无需空间标注 3D 数据的三维空间识别
计算机视觉与模式识别
2021-05-14 v1 人工智能
机器学习
多媒体
摘要
我们提出 WyPR，一个用于点云识别的弱监督框架，仅需场景级类别标签作为监督。WyPR 联合解决三个核心 3D 识别任务：点级语义分割、3D 提议生成与 3D 目标检测，通过自任务与跨任务一致性损失耦合它们的预测。我们表明，结合标准多示例学习目标，WyPR 可在训练时无任何空间标签的情况下检测并分割点云数据中的物体。我们使用 ScanNet 与 S3DIS 数据集证明其有效性，在弱监督分割上以超过 6% mIoU 优于先前 SOTA。此外，我们在两个数据集上建立了首个弱监督 3D 目标检测基准，其中 WyPR 优于标准方法并为未来工作确立了强基线。
引用
@article{arxiv.2105.06461,
title = {3D Spatial Recognition without Spatially Labeled 3D},
author = {Zhongzheng Ren and Ishan Misra and Alexander G. Schwing and Rohit Girdhar},
journal= {arXiv preprint arXiv:2105.06461},
year = {2021}
}
备注
CVPR 2021