DOtA++:マルチモデルの先行的な制約を持つ多エージェント観測からのオブジェクトを無監督で共同で検出する

科学分野:

• コンピュータビジョン コンピュータビジョン
• ロボット工学 ロボット工学 ロボット工学
• 自動運転の自動運転とは

背景:

• マルチエージェントのコラボレーションは,自動運転における知覚を高めます.
• コラボレーティブ検出器の訓練のための手動の注釈は,より多くのエージェントによりますます負担がかかります.

研究 の 目的:

• 外部ラベルなしでマルチエージェントLiDARスキャンによるオブジェクト検出のための無監督方法を開発する.
• 強化された制約とマルチモダルのデータで最初の方法を改善する.

主な方法:

• DOtA: 共有されたエージェント情報で訓練された初期検出器を介して予備ラベルを生成し,物理ルール制約を使用してラベルを精製します.
• DOtA++: DOtAをベースに,複合先行制約,マルチエージェント観測の一貫性のための画像データ,ポイントクラウドの幾何学的な分布制約を組み込む.

主要な成果:

• DOtAとDOtA++は,手動の注釈なしでシーンのオブジェクトを効果的に検出します.
• DOtA++はV2X-Rデータセットで従来の無監督方法よりも10.7%のmAP改善を達成しました.

結論:

• 無監督学習は,協調的なオブジェクト検出器を自動運転で訓練するための実行可能なアプローチです.
• DOtA++は,多様な制約とマルチモダルのデータの統合を通じて,大幅なパフォーマンスの向上を示しています.