三维可在二维中探索：基于传感器强度的二维语义分割为LiDAR点云生成伪标签
计算机视觉与模式识别
2025-05-07 v1
摘要
三维LiDAR点云的语义分割对于自动驾驶和基础设施管理至关重要，其最佳实现方式是监督学习，但这需要大量标注数据集，并面临领域偏移问题。我们引入了一种新的三维语义分割流程，该流程利用对齐的场景和最先进的二维分割方法，避免了在推理时直接进行三维标注或依赖相机图像等额外模态。我们的方法从按传感器强度着色的LiDAR扫描生成二维视图，并使用相机域预训练模型对这些视图应用二维语义分割。然后，将分割后的二维输出反投影到三维点上，并使用一个简单的基于投票的估计器来合并与每个三维点关联的标签。我们的主要贡献是一个无需事先进行三维标注且在推理时无需其他模态的全局三维语义分割流程，该流程可用于伪标签生成。我们进行了全面的消融研究，并展示了所生成伪标签在无监督域自适应任务中的潜力。
引用
@article{arxiv.2505.03300,
title = {3D Can Be Explored In 2D: Pseudo-Label Generation for LiDAR Point Clouds Using Sensor-Intensity-Based 2D Semantic Segmentation},
author = {Andrew Caunes and Thierry Chateau and Vincent Frémont},
journal= {arXiv preprint arXiv:2505.03300},
year = {2025}
}
备注
Accepted to IV2024