GaussianPretrain

用3D高斯做自监督预训练，让自动驾驶感知模型少标注也能涨点

GaussianPretrain 是面向自动驾驶视觉预训练的开源项目，核心思路是用 3D 高斯表示作为预训练目标，让模型在无标注或弱标注数据上学习场景的几何与外观结构。它解决的是自动驾驶 3D 感知任务中标注成本高、预训练信号不足的问题：传统 2D 预训练难以迁移到 3D 任务，而纯监督训练又依赖大量昂贵标注。项目通过高斯泼溅式的场景重建作为自监督代理任务，让骨干网络在预训练阶段就理解空间结构，随后微调到下游任务。官方展示在 3D 目标检测、HD 地图构建和 Occupancy 预测三类任务上均有明显提升，说明该预训练范式对多种 3D 感知头都有增益。代码为 Python，便于与现有自动驾驶感知框架结合，适合研究预训练策略和 3D 表示学习的团队参考。