CoSMix：用于 3D LiDAR 分割域自适应的组合语义混合
计算机视觉与模式识别
2022-07-21 v1 人工智能
机器学习
摘要
3D LiDAR 语义分割是自动驾驶的基础。近期提出了若干针对点云数据的无监督域自适应（UDA）方法，以改善模型对不同传感器与环境的泛化能力。图像域 UDA 问题的研究者已表明样本混合可缓解域偏移。我们提出一种用于点云 UDA 的样本混合新方法，即组合语义混合（CoSMix），这是首个基于样本混合的点云分割 UDA 方法。CoSMix 由一个双分支对称网络组成，可同时处理带标签的合成数据（源）与真实世界无标签点云（目标）。每个分支通过混合来自另一域的选定数据片段，并利用源标签与目标伪标签导出的语义信息，在一个域上运作。我们在两个大规模数据集上评估 CoSMix，显示其以大幅优势优于最先进方法。我们的代码见于 https://github.com/saltoricristiano/cosmix-uda。
引用
@article{arxiv.2207.09778,
title = {CoSMix: Compositional Semantic Mix for Domain Adaptation in 3D LiDAR Segmentation},
author = {Cristiano Saltori and Fabio Galasso and Giuseppe Fiameni and Nicu Sebe and Elisa Ricci and Fabio Poiesi},
journal= {arXiv preprint arXiv:2207.09778},
year = {2022}
}
备注
Accepted at ECCV 2022