DBGroup：用于弱监督3D语义实例分割的双分支点分组
计算机视觉与模式识别
2025-11-26 v2
摘要
弱监督3D实例分割对于3D场景理解至关重要，尤其是随着大规模数据和与完全监督方法相关的高标注成本的增长。现有方法主要依赖两种形式的弱监督：一种是单物一点击注释，另一种是边界框注释，两者都旨在减少标注工作。然而，这些方法仍面临局限，包括 labor-intensive 标注过程、高复杂度和依赖专家标注员。为了应对这些挑战，我们提出了 DBGroup，一种两种阶段的弱监督3D实例分割框架，利用场景级注释作为更高效和更可扩展的替代方案。在第一阶段，我们引入双分支点分组模块，通过从多视角图像中提取的语义和掩码线索生成伪标签。为进一步提高标签质量，我们 developed two refinement strategies：细粒度实例合并和语义选择与传播。在第二阶段，我们使用精炼后的伪标签在端到端实例分割网络上进行多轮自训练。此外，我们引入了实例掩码过滤策略以解决伪标签内部的不一致性。大量实验表明，DBGroup 在与稀疏点级监督3D实例分割方法的竞争性能方面取得了优异成绩，同时超越了最新的基于场景级监督3D语义分割方法。代码可在 https://github.com/liuxuexun/DBGroup 获取。
引用
@article{arxiv.2511.10003,
title = {DBGroup: Dual-Branch Point Grouping for Weakly Supervised 3D Semantic Instance Segmentation},
author = {Xuexun Liu and Xiaoxu Xu and Qiudan Zhang and Lin Ma and Xu Wang},
journal= {arXiv preprint arXiv:2511.10003},
year = {2025}
}