跳到正文
arXiv · 机器人与计算机视觉· Miao Zhang, Mohamed Abdelsamad, Bin Yang, Sherif Abdulatif, Benedikt Loesch, Marco Altmann, Abhinav Valada, Bin Yang·· 9 天前AI 评分63

重新思考雷达 3D 感知:从原始谱表示学习

Rethinking Radar 3D Perception: Representation Learning from Raw Spectra

AI 导读

论文挑战了原始雷达谱因噪声过大而不适合直接学习的传统观点,提出利用自监督掩码建模(Leakage-aware Spectral MAE)从原始数据中分离结构信号与噪声。该方法将多普勒作为主要空间维度处理,无需手工降维即可在 3D 感知任务上超越现有基于雷达的探测器和点云自监督学习基线。材料为 NeurIPS 2026 接收的预印本,包含完整正文、5 张图和 18 个表格。

来源:arXiv · 机器人与计算机视觉 · arxiv.org