

极市直播预告｜ECCV2024-LiSe：使用2D场景扩展无监督3D目标检测

极市平台

2024-08-19

导读：周四晚八点，不见不散！

↑ 点击蓝字关注极市平台

|极市线上分享第135期 |

一直以来，为让大家更好地了解学界业界优秀的论文和工作，极市已邀请了超过100位技术大咖嘉宾，并完成了134 期极市线上直播分享。

往期分享请前往bbs.cvmart.net/topics/149或直接阅读原文，也欢迎各位小伙伴自荐或推荐更多优秀的技术嘉宾到极市进行技术分享，与大家一起交流学习~~

本次分享我们邀请到了澳门大学计算机博士张瑞阳，为大家详细介绍他们在无监督3D目标检测上的探索工作：

无监督3D目标检测通常基于稀疏的3D点云数据，但如何在这个任务中使用语义信息丰富的2D场景，仍然较少得到讨论。

本次分享中，主要介绍我们在这个方向上的探索工作：Approaching Outside: Scaling Unsupervised 3D Object Detection from 2D Scene (ECCV’24)。论文提出一种新颖的基于伪标签的自适应学习框架LiSe。LiSe使用2D场景中的丰富语义信息增强无监督3D目标检测，同时提出自适应采样策略与弱模型聚合提升对难样本的识别。多个数据集上的量化实验与定性分析验证了提出框架的有效性，尤其是远小物体的检测能力得到显著提升。

论文地址：https://arxiv.org/abs/2407.08569

代码地址：https://github.com/Ruiyang-061X/LiSe

知乎解读：https://www.zhihu.com/question/660698707/answer/3575967153

直播信息

时间

2024年8月22日（周四）：20:00-21:00

主题

LiSe：使用2D场景扩展无监督3D目标检测

直播

B站也将同步进行

http://live.bilibili.com/3344545

嘉宾介绍

张瑞阳

澳门大学计算机博士，指导老师为郑哲东教授。研究方向为计算机视觉，包括无监督3D检测、不确定性学习和多模态大模型等。

更多信息见个人主页：

https://ruiyang-061x.github.io/。

关于分享

➤分享大纲

1. 使用2D场景增强无监督3D检测的动机

2. LiDAR数据与2D场景的融合

3. 自适应采样策略&弱模型聚合

4. 基于伪标签的自适应学习

5. 量化实验结果以及定性分析

参与方式

往期回顾

极市平台专注分享计算机视觉前沿资讯和技术干货，特邀请行业内专业牛人嘉宾为大家分享视觉领域内的干货及经验，目前已成功举办134 期线上分享。近期在线分享可点击以下合集查看：

- 极市直播合集

更多往期分享请浏览：极市计算机视觉技术分享集锦

（http://bbs.cvmart.net/topics/149/cvshare），也可以点击阅读原文获取。

【声明】内容源于网络

极市平台

为计算机视觉开发者提供全流程算法开发训练平台，以及大咖技术分享、社区交流、竞赛实践等丰富的内容与服务。

内容 8155

粉丝 0

极市平台为计算机视觉开发者提供全流程算法开发训练平台，以及大咖技术分享、社区交流、竞赛实践等丰富的内容与服务。

总阅读919

粉丝0

内容8.2k