香港大学提出3D目标检测框架fmaafmono3d：同时支持3D标签数据集与2D标签数据集

主要观点总结

本文探讨了增强单目3D检测模型的方法，通过利用不同相机设置的多种公共3D数据集进行训练，并开发了一个输出表示，该表示不受相机设置变化的影响。同时，提出了一种利用2D标签训练3D模型的方法，允许模型使用2D标签进行微调，促进了3D知识的迁移。通过集成这两种方法，模型的应用范围得到了极大的扩展，提高了模型的泛化能力。

关键观点总结

关键观点1: 研究背景

自动驾驶中的单目3D目标检测至关重要，但依赖昂贵的激光雷达扫描生成的3D标签，在新数据集和陌生环境中使用困难。

关键观点2: 主要方法

提出了一个框架，包括适应不同相机设置的鲁棒单目3D模型、处理数据集中类别标注差异的选择性训练策略，以及通过2D标签改善仅有2D标签场景检测能力的伪3D训练方法。

关键观点3: 技术细节

使用了联合3D数据集训练的选择性训练策略，改进了深度预测部分，考虑了摄像头参数；利用2D数据集进行伪3D训练，使用2D标注来训练3D检测算法。

关键观点4: 实验与结果

在KITTI、nuScenes、ONCE、Cityscapes和BDD100K数据集上进行了大量实验，证明了所提出方法的有效性。与零样本设置相比，显著提升了性能。

关键观点5: 贡献

开发了一种鲁棒的输出表示，提出了一种在混合2D和3D数据集上训练和微调单目3D检测模型的新方法，并在多个知名数据集上进行了全面的实验验证。