迎接自动驾驶时代到来的新工具已经到来，UNiPAD便是其一

发布时间：2023-10-26 10:47:06 所属栏目：动态来源：

导读：论文思路：
当自动驾驶成为现实后，人们普遍认识到有关于有效的特征学习的效用。虽然传统的 3D 自监督预训练方法已经取得了广泛的成功，但大多数方法都遵循最初为 2D 图像设计的想法。本文提出了 UniPAD，一种应用

论文思路：
当自动驾驶成为现实后，人们普遍认识到有关于有效的特征学习的效用。虽然传统的 3D 自监督预训练方法已经取得了广泛的成功，但大多数方法都遵循最初为 2D 图像设计的想法。本文提出了 UniPAD，一种应用 3D 体积可微渲染(3D volumetric differentiable rendering)的新型自监督学习方式。UniPAD 隐式编码 3D 空间，有助于重建连续的 3D 形状结构及其 2D 投影的复杂外观特征。由于本方法具有高度的适应性，它可以轻松融入2D和3D体系中，为综合观察场景提供更好的支持。

本文通过对各种下游 3D 任务进行广泛的实验来证明 UniPAD 的可行性和有效性。本文的方法将基于激光雷达、摄像机和激光雷达-摄像机的基线分别显着提高了 9.1、7.7 和 6.9 NDS。值得重视的是，本文所采用的预训练策略在nuScenes验证集中实现了对3D目标的高度准确识别及对3D意义的分割达到了先进的水平，具体表现为获得了73.2CNDS和79.4mIOU这样的佳绩。

主要贡献：
据本文所知，本文是第一个探索一种新颖的 3D 可微渲染(3D differentiable rendering)方法，用于自动驾驶背景下的自监督学习。

该方法的灵活性使其易于扩展到2D backbone的预训练。通过新颖的采样策略，本文的方法在有效性和效率上都表现出了优越性。

本文在 nuScenes 数据集上进行了全面的实验，其中本文的方法超越了六种预训练策略的性能。包含七个 backbones 和两个感知任务的实验为本文方法的有效性提供了令人信服的证据。

网络设计：
本文提出了一种专为有效 3D 表示学习而定制的新颖的预训练方式，它不仅避免了复杂的正/负样本分配，而且还隐式提供了连续的监督信号来学习 3D 形状结构。如图 2 所示，整个框架将 masked点云作为输入，旨在通过 3D 可微神经渲染在投影的 2D 深度图像上重建缺失的几何形状。具体来说，当提供masked LiDAR 点云时，本文的方法采用 3D 编码器来提取分层特征。然后，通过体素化将 3D 特征转换到体素空间。本文进一步应用可微分体积渲染方法来重建完整的几何表示。本文方法的灵活性有助于其与预训练 2D backbone的无缝集成。多视图图像特征通过 lift-split-shoot (LSS)构建 3D volume（Philion & Fidler，2020）。为了保持训练阶段的效率，本文提出了一种专为自动驾驶应用设计的节省内存的光线采样(ray sampling)策略，其可以大大降低训练成本和内存消耗。与传统方法相比，新颖的采样策略显着提高了准确性。

本文的框架采用 LiDAR 点云或多视图图像作为输入。本文首先提出 mask 生成器来部分 mask 输入。接下来，特定于模态的编码器适用于提取稀疏可见特征，然后将其转换为密集特征，其中 mask 区域填充为零。随后将特定于模态的特征转换到体素空间，然后是投影层以增强体素特征。最后，基于体积的神经渲染为可见区域和 mask 区域生成 RGB 或深度预测。

（编辑：驾考网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!