ZeroFlow：通过蒸馏实现可扩展的场景流

场景流估计的任务是描述时间上连续的点云之间的三维运动场。当前最先进的方法使用了强大的先验知识和测试时优化技术，但需要数十秒的时间来处理全尺寸点云，这使得它们无法作为实时应用（如开放世界物体检测）中的计算机视觉基本组件。前馈方法则显著更快，处理全尺寸点云仅需几十到几百毫秒，但需要昂贵的人工监督。为了解决这两个问题，我们提出了一种简单且可扩展的蒸馏框架——通过无标签优化方法生成伪标签以监督前馈模型的训练。我们在这个框架下的具体实现称为ZeroFlow，在Argoverse 2 自监督场景流挑战中达到了最先进的性能，同时完全不需要人工标签，仅通过大规模、多样化的无标签数据进行训练。在测试时，ZeroFlow 处理全尺寸点云的速度比无标签的最先进优化方法快1000多倍（34帧/秒对比0.028帧/秒），并且在无标签数据上的训练成本也比人工标注的成本低1000多倍（394美元对比约75万美元）。为了促进进一步的研究，我们在 https://vedder.io/zeroflow.html 上发布了我们的代码、训练好的模型权重以及高质量的伪标签，适用于Argoverse 2 和Waymo Open 数据集。