ALISE：面向自动驾驶的无标注 LiDAR 实例分割
计算机视觉与模式识别
2025-10-13 v2
摘要
用于实例分割的室外 LiDAR 点云人工标注极其昂贵且耗时。当前方法试图减轻这一负担，但仍然依赖某种形式的人工标注。为了完全消除这种依赖，我们引入了 ALISE，这是一种在没有任何标注的情况下执行 LiDAR 实例分割的新框架。核心挑战在于以完全无监督的方式生成高质量的伪标签。我们的方法首先利用由文本和图像引导的视觉基础模型（VFMs）生成初始伪标签。然后，我们通过一个专用的时空投票模块细化这些标签，该模块结合了 2D 和 3D 语义以进行离线和在线优化。为了实现卓越的特征学习，我们进一步引入两种形式的语义监督：一组基于 2D 先验的损失，将视觉知识注入 3D 网络；以及一种新颖的基于原型的对比损失，通过利用 3D 语义一致性构建判别性特征空间。这种综合设计带来了显著的性能提升，为无监督 3D 实例分割确立了新的 SOTA。值得注意的是，我们的方法甚至在 mAP 上超过了 MWSIS（一种使用来自真实值（GT）2D 边界框监督的方法）2.53%（50.95% vs. 48.42%）。
引用
@article{arxiv.2510.05752,
title = {ALISE: Annotation-Free LiDAR Instance Segmentation for Autonomous Driving},
author = {Yongxuan Lyu and Guangfeng Jiang and Hongsi Liu and Jun Liu},
journal= {arXiv preprint arXiv:2510.05752},
year = {2025}
}