屋外ポイントクラウドにおける正確かつ効率的な3次元物体検出のため、Self-Ensembling Single-Stage Object Detector (SE-SSD) を提案します。本研究の主な焦点は、追加の計算を導入せずにモデルを共同最適化するために、ソフトターゲットとハードターゲットの両方を活用することです。具体的には、SE-SSD は教師 SSD と学生 SSD のペアを含んでおり、効果的な IoU（Intersection over Union）に基づくマッチング戦略を設計して教師からソフトターゲットをフィルタリングし、一貫性損失を定式化して学生の予測結果をそれらと一致させる方法を提案しています。また、教師の知識を集約するためには蒸留された知識を最大限に活用することが重要であるため、形状認識型の新たなデータ拡張スキームを開発し、学生が完全な物体形状を推論するよう促すために使用しています。最後に、ハードターゲットをより効果的に活用するために ODIoU 損失（Orientation and Distance IoU Loss）を開発し、予測ボックスの中心位置と向きに対する制約のもとで学生の学習を監督します。当社の SE-SSD は既存のすべての先行研究よりも優れた性能を達成しており、特に KITTI ベンチマークにおいて自動車検出精度がトップレベル（BEV および 3D ランキングボードでそれぞれ1位と2位）でありながら超高速推論速度も実現しています。コードは https://github.com/Vegeta2020/SE-SSD で公開されています。