COARSE3D：弱监督 3D 点云分割中基于类原型的对比学习
计算机视觉与模式识别
2022-10-11 v2
摘要
大规模 3D 数据的标注众所周知地繁琐且昂贵。作为替代，弱监督学习通过将标注量减少数个数量级来缓解此类需求。我们提出 COARSE3D，一种用于 3D 分割的、与架构无关的对比学习新策略。由于对比学习需要丰富多样的样例作为键与锚，我们利用原型记忆库将类级别的全局数据集信息高效压缩为少量充当键的原型。随后，一种熵驱动的采样技术使我们能从预测中选出优质像素作为锚。在三种基于投影的骨干网络上的实验表明，仅使用低至 0.001% 的标注，我们便在三个具有挑战性的真实室外数据集上优于基线方法。
引用
@article{arxiv.2210.01784,
title = {COARSE3D: Class-Prototypes for Contrastive Learning in Weakly-Supervised 3D Point Cloud Segmentation},
author = {Rong Li and Anh-Quan Cao and Raoul de Charette},
journal= {arXiv preprint arXiv:2210.01784},
year = {2022}
}