arXiv · cs.AI· Jinwoo Chung·· 1 天前AI 评分28
SR-BEVS：提升相机式 3D 目标检测鲁棒性的稀疏恢复 BEV 模型汤
Sparse Recovery Bird's-Eye View Model Soup for Robust Camera-Based 3D Object Detection
来源与原文
arXiv · cs.AI
作者：Jinwoo Chung
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.34976v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 SR-BEVS，一种无需额外数据和架构修改即可同时提升干净精度与腐蚀鲁棒性的稀疏恢复学习方法。该方法按层级权重大小选出剪枝候选，随机剪枝生成多个稀疏模型并各用随机采样学习率重训练，再平均为单个稠密模型，推理开销为零。在 nuScenes 上的实验显示，相比 Fast-BEV 基线腐蚀鲁棒性最高提升 33.8%，干净精度提升 1.8%。
来源：arXiv · cs.AI · arxiv.org