正则化训练

CycleBEV：通过视图循环一致性正则化视图变换网络用于鸟瞰图语义分割

CycleBEV: Regularizing View Transformation Networks via View Cycle Consistency for Bird's-Eye-View Semantic Segmentation

提出一种仅训练期使用的逆视图变换（IVT）网络与视图循环一致性损失，可作为即插即用正则化手段提升任意 PV→BEV 视图变换模型的语义分割精度，且不增加推理开销；其将循环一致性扩展到几何空间与表征空间的思路，可迁移到其他跨视角表征学习任务。