面向弱监督点云语义分割的分布引导网络
计算机视觉与模式识别
2024-10-21 v2
摘要
尽管弱监督方法缓解了完全监督方法对稠密标注的依赖，但仍 suffer from 监督信号不足的局面。针对这一挑战，我们提出了一种新颖的思路，通过调控弱监督下的特征空间来赋予辅助约束。我们的初始调查确定哪些分布准确地刻画特征空间，从而利用这一先验知识指导弱监督嵌入的对齐。具体而言，我们分析了圆月-范德米尔斯分布 (moVMF) 在几种常见分布候选者中优势。基于此，我们开发了分布引导网络 (DGNet)，其包含一个弱监督学习分支和一个分布对齐分支。利用弱监督学习分支得出的可靠聚类初始化，分布对齐分支交替更新 moVMF 的参数和网络，确保与 moVMF 定义的潜在空间对齐。广泛的实验验证了我们分布选择和网络设计的合理性和有效性。因此，DGNet 在多个数据集和各种弱监督设置下实现了最先进的性能。
关键词
引用
@article{arxiv.2410.08091,
title = {Distribution Guidance Network for Weakly Supervised Point Cloud Semantic Segmentation},
author = {Zhiyi Pan and Wei Gao and Shan Liu and Ge Li},
journal= {arXiv preprint arXiv:2410.08091},
year = {2024}
}