单目3D目标检测由于其应用简单，已成为自动驾驶的主流方法。一个突出的优点是在推理过程中不需要LiDAR点云。然而，目前的大多数方法仍然依赖于3D点云数据来标记训练阶段使用的ground truths。这种训练与推理的不一致使得大规模的反馈数据（large-scale feedback data）难以利用，增加了数据收集的费用。为了弥补这一缺陷，本文提出了一种新的弱监督单目三维目标检测方法，该方法仅用在图像上标注的二维标签来训练模型。具体来说，本文在这个任务中探索了三种类型的一致性，即投影一致性、多视图一致性和方向一致性，并基于这些一致性设计了一个弱监督架构。此外，本文提出了一种新的二维方向标注方法（2D direction labeling method）来指导模型进行准确的旋转方向预测。实验表明，本文的弱监督方法与一些完全监督方法具有相当的性能。当被用作预训练方法时（When used as a pre-training method），本文的模型仅使用1/3的3D标签就能显著优于相应的全监督基线。

本文提出了一种新的单目3D目标检测的弱监督方法，该方法只将二维标签作为ground truth，而不需要任何三维点云进行标记。据本文所知，本文是第一个在这个任务中完全避免3D点云依赖的工作。本文将投影一致性和多视图一致性引入到该任务中，并设计了两个一致性损失来指导基于它们的精确3D bounding boxes的预测。本文提出了一种新的标注方法叫2D direction label，来代替点云数据上标注的3D rotation label以及基于新标签的方向一致性损失。在本文的实验中，提出的弱监督方法取得了与一些全监督方法相当的性能。本文还微调本文的模型与小比例的3D ground truth。结果表明，即使只有1/3的ground truth标签，本文的方法也可以比相应的全监督基线获得更好的性能，展示了基于反馈生产数据改进模型的潜力。

图2。提出的方法的体系结构。左栏显示，在训练阶段，将来自不同视点的图像对送入检测模型，在预测和2Dground truth之间计算4个损失。右列显示投影一致性和多视图一致性的详细信息。为了计算投影一致性损失，本文将预测的box投影到二维图像中，并将其转换为二维box，最后计算二维box与二维box标签的差值。为了计算一致性损失，本文首先将从视点1预测的3Dbox转换为视点2的坐标系，然后计算转换后的box与视点2预测的box的差值。图1。投影和多视图的一致性的可视化。(a)由于投影损失在三维空间中有多个最优解，仅靠投影一致性无法确定目标的准确位置。例如，3D空间中的两个虚线框产生相同的投影损失，因为它们在2D空间中有相同的投影。(b)在多视图一致性的约束下，最优解必须是两个视点的共同解，即目标位置。

对此，你怎么看？欢迎转发朋友圈，发表你的观点。或者加入自动驾驶技术交流群，和众多同行朋友一起交流讨论。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。