ターゲット指向ドメイン拡張を用いた半教師ありドメイン適応による3Dオブジェクト検出

3Dオブジェクト検出は、自動運転やロボティクスなどのアプリケーションにとって重要です。しかし、実世界の環境では、センサーのアップグレード、天候の変化、地理的な違いによるセンサーデータ分布の変動が検出性能に悪影響を及ぼす可能性があります。半教師ありドメイン適応（SSDA）は、ラベル付きデータが豊富なソースドメインからラベルの乏しいターゲットドメインに知識を転送することで、これらの課題を緩和することを目指しています。本論文では、LiDARベースの3Dオブジェクト検出に特化した新しいSSDA手法であるターゲット指向ドメイン拡張（TODA）を提案します。TODAは、ソースドメインのラベル付きデータとターゲットドメインのラベル付きデータおよびラベルなしデータを効率的に活用して、ドメイン適応性能を向上させます。TODAは、TargetMixとAdvMixの2つのステージから構成されます。TargetMixは、LiDARセンサー特性を考慮した混合拡張を利用して、ソースドメインとターゲットドメイン間の特徴の整合を促進します。AdvMixは、混合拡張を用いたポイントワイズ敵対的拡張を適用し、ラベルなしデータを偏らせて、ターゲットドメイン内のラベル付きデータとラベルなしデータの両方の特徴を整合させます。我々の実験は、挑戦的なドメイン適応タスクにおいて、TODAが3Dオブジェクト検出のために設計された既存のドメイン適応技術を大きく上回ることを示しています。コードは次のリンクで入手可能です: https://github.com/rasd3/TODA.