MVAT est un cadre de détection d'objets 3D en faible supervision qui exploite des annotations 2D pour générer des boîtes 3D précises. En utilisant des données multi-vues temporelles, il agrège des nuages de points centrés sur les objets pour créer des représentations 3D denses et complètes. Le modèle utilise une approche par distillation enseignant-élève pour produire des pseudo-labels de haute qualité, réduisant ainsi l'écart avec les méthodes supervisées sans nécessiter d'annotations 3D.