【目标追踪】开源 | 不确定性感知的自监督3D数据关联

论文地址： http://arxiv.org/pdf/2008.08173v1.pdf

代码： https://jianrenw.github.io/self-supervised-3d-data-association.

来源： 卡耐基梅隆大学，本田研究院

论文名称：Uncertainty-aware Self-supervised 3D Data Association

原文作者：Jianren Wang

内容提要

3D目标跟踪器通常需要对大量标注数据进行培训，这些数据收集起来既昂贵又费时。相反，我们建议通过3D目标跟踪器的自监督度量学习和数据关联来标注大量未标注的数据集。通过自动目标检测和帧间关联，可以很方便地注释大规模的无标签数据。我们展示了使用这些自监督的注释来学习对3D跟踪有效的点云嵌入。我们估计和合并不确定性自监督跟踪学习更健壮的嵌入，不需要任何标记数据。我们设计嵌入来区分帧之间的目标，并使用不确定性感知的自监督训练来学习它们。最后，演示了跨帧执行精确数据关联的能力，从而实现了有效和准确的3D跟踪。

主要框架及实验结果

PS：腾讯最近更改公众号推送规则，文章推送不在按照时间排序，而是通过智能推荐算法有选择的推送文章，为了避免收不到文章，看完文章您可以点击一下右下角的"在看"，以后发文章就会第一时间推送到你面前。

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。

点个“在看”，让我知道你的爱