RSUのポイントクラウドを用いて、教師なし物体発見と少量の教師付きデータによるファインチューニングを組み合わせることで、効率的な3D物体検出を実現する。
MultiCorruptは、LiDARとカメラのデータに10種類の障害を加えることで、マルチモーダル3D物体検出モデルの頑健性を包括的に評価する。
本研究は、BEV 3D物体検出のための領域適応問題を包括的に解決するため、多空間アライメントを行うティーチャー-スチューデントフレームワークを提案する。