Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2601.05105

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2601.05105 (cs)
[提交于 2026年1月8日 ]

标题: UniLiPs:基于几何基础的动态场景分解的统一激光雷达伪标签方法

标题: UniLiPs: Unified LiDAR Pseudo-Labeling with Geometry-Grounded Dynamic Scene Decomposition

Authors:Filippo Ghilotti, Samuel Brucker, Nahku Saidy, Matteo Matteucci, Mario Bijelic, Felix Heide
摘要: 无标签的LiDAR日志,在自动驾驶应用中,本质上是隐藏在显而易见之处的密集3D几何信息的金矿 - 但如果没有人工标签,它们几乎毫无用处,这突显了自动驾驶感知研究中的主要成本障碍。 在这项工作中,我们通过利用LiDAR扫描之间的时序几何一致性,将文本和2D视觉基础模型的提示直接提升并融合到3D中,而无需任何手动输入。 我们引入了一种无监督的多模态伪标签方法,该方法依赖于从时间累积的LiDAR地图中学习到的强几何先验,同时引入了一种新颖的迭代更新规则,以强制执行联合几何-语义一致性,并反之通过不一致性检测移动物体。 我们的方法同时生成3D语义标签、3D边界框和密集的LiDAR扫描,展示了在三个数据集上的强大泛化能力。 我们通过实验验证了我们的方法在现有语义分割和目标检测伪标签方法中表现优异,这些方法通常需要额外的人工监督。 我们确认,我们几何一致的、密度增加的LiDAR即使只占很小一部分,也能分别在80-150米和150-250米范围内将深度预测提高51.5%和22.0%的MAE。
摘要: Unlabeled LiDAR logs, in autonomous driving applications, are inherently a gold mine of dense 3D geometry hiding in plain sight - yet they are almost useless without human labels, highlighting a dominant cost barrier for autonomous-perception research. In this work we tackle this bottleneck by leveraging temporal-geometric consistency across LiDAR sweeps to lift and fuse cues from text and 2D vision foundation models directly into 3D, without any manual input. We introduce an unsupervised multi-modal pseudo-labeling method relying on strong geometric priors learned from temporally accumulated LiDAR maps, alongside with a novel iterative update rule that enforces joint geometric-semantic consistency, and vice-versa detecting moving objects from inconsistencies. Our method simultaneously produces 3D semantic labels, 3D bounding boxes, and dense LiDAR scans, demonstrating robust generalization across three datasets. We experimentally validate that our method compares favorably to existing semantic segmentation and object detection pseudo-labeling methods, which often require additional manual supervision. We confirm that even a small fraction of our geometrically consistent, densified LiDAR improves depth prediction by 51.5% and 22.0% MAE in the 80-150 and 150-250 meters range, respectively.
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2601.05105 [cs.CV]
  (或者 arXiv:2601.05105v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2601.05105
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Filippo Ghilotti [查看电子邮件]
[v1] 星期四, 2026 年 1 月 8 日 16:52:28 UTC (33,760 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2026-01
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号