LetsMap：用于语义 BEV 制图的无监督表征学习

基于摘要分析。LetsMap 面向自动驾驶中的语义鸟瞰图（BEV）制图，研究如何从单目正前视图（FV）图像生成语义 BEV 地图，并降低对人工 BEV 标注的依赖。其主要贡献是先进行无标签表征预训练，再使用少量 BEV 标注完成下游微调，而非完全无监督地完成最终语义制图任务。 方法采用两条彼此分离的神经网络路径，分别学习场景几何与场景语义。几何学习利用 FV 图像的空间及时间一致性，场景表征编码则使用时序掩码自编码器。摘要未交代两条路径的具体结构、损失组合、掩码策略及下游融合方式，这些实现细节尚未验证。 作者报告，在 KITTI-360 和 nuScenes 上，仅使用 1% 的 BEV 标注且不使用额外标注数据，即可达到与现有最先进方法相当的表现。摘要未提供具体指标、数值、标注子集采样方式或对照方法名称，因此尚不能量化其性能差异，也不能判断不同标注预算下的稳定性；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可考虑借鉴的是时序掩码表征学习，而非把驾驶场景的几何推理直接迁移为 EEG 算法。假设连续 EEG 中存在可供预训练利用的时间结构，可复用掩码学习思路，但需改造输入编码、通道处理与下游任务接口；低信噪比、伪迹及跨被试差异可能使模型主要学习非任务因素。一个可检验的小实验是在固定跨被试划分及相同少量标签预算下，对比时序掩码预训练与随机初始化，并核对改善是否稳定。该假设不属于原论文已验证结果，相关 EEG 工作尚未检索确认。