SR-BEVS提升BEV感知鲁棒性

2026年10月27日，arXiv Computer Vision 报道了 Jinwoo Chung 等研究者提出的稀疏恢复 BEV 模型汤（SR-BEVS）方法，用于提升基于相机的 3D 目标检测鲁棒性。该方法按层权重幅度筛选剪枝候选，随机剪枝生成多样稀疏模型，并以随机采样学习率重训，再平均为单一稠密模型。报道称，该方法在不增加数据和推理开销的情况下，同时提升干净精度与损坏鲁棒性；在 nuScenes 数据集上，相较 Fast-BEV 基线，损坏鲁棒性最高提升 33.8%，干净精度提升 1.8%，在传感器噪声、天气畸变和光照变化下均有一致改善。该工作已被 IROS 2026 接收。目前事件进展即为该论文发布及方法效果披露，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。