回归现实：基于形状引导标签增强的弱监督三维目标检测
计算机视觉与模式识别
2022-03-29 v3 人工智能
机器学习
摘要
本文提出一种用于三维目标检测的弱监督方法，使得仅使用位置级标注（即物体中心标注）即可训练出强大的三维检测器成为可能。为弥补从框标注到中心标注的信息损失，我们的方法（称为 Back to Reality，BR）利用合成三维形状将弱标签转换为全标注虚拟场景作为更强的监督，进而利用完美的虚拟标签补充并精炼真实标签。具体而言，我们首先根据从位置级标注提取的粗略场景布局，将三维形状组装为物理合理的虚拟场景。然后我们通过虚拟到真实域适应方法回归现实，该方法精炼弱标签并利用虚拟场景额外监督检测器的训练。此外，我们提出了一个更具挑战性的室内三维目标检测基准，其在物体尺寸上更具多样性，以更好地展现 BR 的潜力。在仅使用不到 5% 标注工作量的情况下，我们在广泛使用的 ScanNet 数据集上取得了与一些流行全监督方法相当的检测性能。代码见：https://github.com/wyf-ACCEPT/BackToReality
引用
@article{arxiv.2203.05238,
title = {Back to Reality: Weakly-supervised 3D Object Detection with Shape-guided Label Enhancement},
author = {Xiuwei Xu and Yifan Wang and Yu Zheng and Yongming Rao and Jie Zhou and Jiwen Lu},
journal= {arXiv preprint arXiv:2203.05238},
year = {2022}
}
备注
Accepted to CVPR2022