基于专家制定指南的自动标注：一项基于 3D LiDAR 检测基准的研究
计算机视觉与模式识别
2026-03-20 v2
摘要
数据标注对于开发机器学习解决方案至关重要。当前范式是雇佣普通人类标注员，依据专家制定的指南对数据进行标注。由于该范式费力、繁琐且成本高昂，我们受到启发，探索基于专家制定指南的自动标注。为此，我们首先通过改造已确立的 nuScenes 数据集开发了一个配套基准 AutoExpert，该数据集在自动驾驶研究中被广泛使用，并提供了真实的专家制定指南。这些指南使用细致的语言描述和少量视觉示例定义了 18 个目标类别，并要求在 LiDAR 数据中用 3D 长方体标注目标。值得注意的是，这些指南并未提供 LiDAR 视觉图来演示如何标注。因此，AutoExpert 要求方法在少样本标注的图像和文本上进行学习，以在 LiDAR 数据中执行 3D 检测。显然，AutoExpert 的挑战在于数据模态与标注任务的不一致。同时，公开可用的基础模型作为解决这些挑战的有前景的工具。因此，我们通过在概念上简单的流程中利用合适的 FMs 来解决 AutoExpert，该流程 (1) 利用 FMs 在 RGB 图像中进行 2D 目标检测与分割，(2) 使用已知的传感器位姿将 2D 检测提升至 3D，(3) 为 2D 检测生成 3D 长方体。在此流程中，我们逐步优化关键组件，最终将 3D 检测 mAP 提升至 25.4，显著高于先前方法取得的 12.1。
引用
@article{arxiv.2506.02914,
title = {Auto-Annotation with Expert-Crafted Guidelines: A Study through 3D LiDAR Detection Benchmark},
author = {Yechi Ma and Wei Hua and Shu Kong},
journal= {arXiv preprint arXiv:2506.02914},
year = {2026}
}