Adaptação de Domínio Semi-Supervisionada Usando Aumento de Domínio Orientado ao Alvo para Detecção de Objetos 3D

A detecção de objetos 3D é crucial para aplicações como direção autônoma e robótica. No entanto, em ambientes do mundo real, variações na distribuição dos dados dos sensores devido a atualizações de sensores, mudanças climáticas e diferenças geográficas podem afetar negativamente o desempenho da detecção. A Adaptação de Domínio Semi-Supervisionada (SSDA) visa mitigar esses desafios transferindo conhecimento de um domínio de origem, abundante em dados rotulados, para um domínio de destino onde os rótulos são escassos. Este artigo apresenta um novo método de SSDA referido como Aumento de Domínio Orientado ao Alvo (TODA) especificamente desenvolvido para detecção de objetos 3D baseada em LiDAR. TODA utiliza eficientemente todos os dados disponíveis, incluindo dados rotulados no domínio de origem e tanto dados rotulados quanto não rotulados no domínio de destino para melhorar o desempenho da adaptação de domínio. TODA consiste em duas etapas: TargetMix e AdvMix. TargetMix aplica um aumento de mistura considerando as características do sensor LiDAR para facilitar o alinhamento de características entre o domínio de origem e o domínio de destino. AdvMix aplica um aumento adversarial ponto a ponto com aumento de mistura, que perturba os dados não rotulados para alinhar as características dentro de ambos os dados rotulados e não rotulados no domínio de destino. Nossos experimentos realizados nas desafiadoras tarefas de adaptação de domínio demonstram que TODA supera as técnicas de adaptação de domínio existentes projetadas para detecção de objetos 3D por margens significativas. O código está disponível em: https://github.com/rasd3/TODA.