COLA：用于稀疏 LiDAR 数据集三维语义分割的粗标签预训练
计算机视觉与模式识别
2023-03-22 v3 机器人学
摘要
迁移学习是 2D 计算机视觉中一种成熟的技术，可利用大量可用数据，并在因采集或标注成本而规模有限的数据集上实现高性能。在 3D 中，标注已知是一项昂贵任务；然而，预训练方法直到最近才被研究。由于该成本，无监督预训练一直备受青睐。在本工作中，我们处理实时三维语义分割中稀疏自动驾驶 LiDAR 扫描的问题。此类数据集已越来越多地发布，但每个都有独特的标签集。我们在此提出一种称为粗标签的中间层级标签集，它可轻松用于任何现有及未来的自动驾驶数据集，从而允许一次性利用所有可用数据而无需任何额外人工标注。通过这种方式，我们可访问更大的数据集，以及一项简单的语义分割任务。基于此，我们引入了一种新的预训练任务：粗标签预训练，亦称 COLA。我们深入分析了 COLA 在各种数据集和架构上的影响，并表明它带来了显著的性能提升，尤其是在微调任务仅有小数据集可用时。
引用
@article{arxiv.2202.06884,
title = {COLA: COarse LAbel pre-training for 3D semantic segmentation of sparse LiDAR datasets},
author = {Jules Sanchez and Jean-Emmanuel Deschaud and François Goulette},
journal= {arXiv preprint arXiv:2202.06884},
year = {2023}
}