自我训练损失对跨域点云目标检测的影响

本文研究了自我训练损失对跨域点云目标检测任务的影响。实验结果如表4-(6)和表4-(12)所示，表明了自我训练损失方程（8）的有效性。

与表4-(5, 11)中没有使用自我训练损失的结果相比，使用该损失函数的模型在IoU75指标上获得了超过1.7 mAP的提升。这表明自我学习损失有助于模型学习目标域的数据分布，并通过比较预测的NOCS map与目标域中观测到的点云来减少域漂移。

最后一列的结果展示了我们提出的用于测试时间自适应的模型，图3展示了该模型与下界方法的定性比较结果。