摘要

在自动驾驶领域，单目3D检测是一项关键任务，其目标是从单个RGB图像中估计物体的3D属性（深度、尺寸和方向）。以往的研究通常以启发式的方式使用特征来学习3D属性，而没有考虑到不适当的特征可能会产生负面影响。本文引入了样本选择的概念，即只有合适的样本才应该用于训练以回归3D属性。为了自适应地选择样本，我们提出了一种基于Gumbel-Softmax和相对距离样本划分器的可学习样本选择（Learnable Sample Selection, LSS）模块。LSS模块采用预热策略，从而提高了训练的稳定性。此外，由于专门用于3D属性样本选择的LSS模块依赖于对象级别的特征，我们进一步开发了一种名为MixUp3D的数据增强方法，该方法符合成像原理且不会引入歧义，从而丰富了3D属性样本。作为两种正交的方法，LSS模块和MixUp3D可以独立使用或结合使用。大量实验表明，它们的联合使用可以产生协同效应，带来的改进超过了各自单独应用的效果之和。利用LSS模块和MixUp3D，在不增加额外数据的情况下，我们的方法MonoLSS在KITTI 3D物体检测基准测试的所有三个类别（汽车、骑自行车者和行人）中均排名第一，并在Waymo数据集和KITTI-nuScenes跨数据集评估中取得了具有竞争力的结果。代码包含在补充材料中，并将公开发布以促进相关学术和工业研究。