目的：

3D目标检测，通过教师-学生模型为未标注的点云生成伪标签，缓解数据集不足的问题

方法：

采用教师学生模型来解决标注数据不足的问题

伪标签生成：

教师模型：生成伪标签

代理query的生成：

1.对于输入的点云数据，通过一个Encoder网络获得点云的特征feats和位置pts

2.构建一个L x W x H的代理框（类似格点）作为q，将之前获得的特征feats作为k，v做一次self-attn，获得更新后的代理框

3.对pts采取FPS算法，生成初步的噪声中心，并在更新后的代理框种进行插值，获取噪声中心对应的query

解码器：

随机选取query和生成噪声框后，先对物体query做噪声混合的自注意力

更新后的物体query对特征和点的相对位置编码构成的k，v做cross-attn，生成更新后的query，并通过一个prediction head生成更新后的预测框

DDIM：

利用噪声box和伪标签（预测的框）更新下一时间步的噪声box

学生模型：

方法类似于教师模型，不过在预测框时与gt和pls做loss，用于训练网络

同时，训练完成后，通过ema的方式更新教师模型的参数

总结：

1.利用伪标签扩充训练集

2.利用DDIM细化噪声框的预测

3.利用交叉注意力对点的信息进行融合获得内容部分

4.利用FPS算法获取锚点起始位置，插值获得查询部分