- …
- …
#271
summarized by : 志田遥飛
どんな論文か？
自立走行データに適した3次元知覚モデルのための自己教師付き事前学習を提案．背景として，自動運転タスクにおいていいパフォーマンスを発揮するには大量のアノテーションデータが必要という問題があった．本手法では，自動車のカメラやセンサーから事前学習した画像表現を元に3次元モデルを抽出する．本手法を用いることで点群および画像のアノテーションを行うことなく，教師あり学習と同等の性能を獲得できる
新規性
自動運転におけるセマンティックセグメンテーションや物体検出といったタスク用の新しい自己教師あり学習を提唱している点．また，2Dから3Dへのあたらしい表現蒸留法を提案しており，本手法は，上流における縮退問題に邪魔されずに高解像度画像特徴を蒸留することを可能にしている点．
結果
添付した画像(右)が，セマンティックセグメンテーションタスクへの適用結果で，添付した画像(左)が，物体検出タスクへの適用結果．(注釈をつける割合を変化させて比較している．)
またSLidRは事前学習を行わない場合と比較して、mAPで最大2.3%の大幅な改善を示している。また、SLidRは注釈付きデータ量が10％、20％の場合、mAPで少なくとも1.2%の改善を示した．
その他（なぜ通ったか？等）
- …
- …