面向半监督LiDAR语义分割的协作学习
计算机视觉与模式识别
2026-05-19 v1
摘要
为3D语义分割大规模LiDAR点云注释成本高昂且耗时，激励使用半监督学习（SemiSL）。标准LiDAR SemiSL方法通常采用两阶段训练范式，其中伪标签单独从单个蒸馏来源（要么是相同，要么是另一个LiDAR表示）生成。此类监督依赖唯一的伪标签来源，可能强化确认偏差并在训练期间传播错误，从而限制性能。为此，我们引入CoLLiS，一种利用协作学习实现LiDAR半监督分割的新框架。不同于以解耦的伪标签生成和训练阶段为主的范式，CoLLiS通过将其视为平等学生，在单个步骤中协作训练多个表示。每个学生从多个表示自适应蒸馏，而学生之间的差异在线监控，以解决矛盾监督并有效缓解确认偏差。大量实验表明，CoLLiS在三个数据集上均优于最先进的LiDAR SemiSL方法，尤其在低标签 regime中表现尤为突出。
引用
@article{arxiv.2605.17135,
title = {Collaborative Learning for Semi-Supervised LiDAR Semantic Segmentation},
author = {Bin Yang and Alexandru Paul Condurache},
journal= {arXiv preprint arXiv:2605.17135},
year = {2026}
}
备注
The paper was accepted by ICML2026