基于标签传递的半监督目标分割高效图像标注
计算机视觉与模式识别
2026-04-28 v1 机器人学
摘要
可靠的对象感知对于通用服务机器人至关重要。开放词汇目标检测难以在有限类别范围内泛化，而完全监督的目标检测训练需要耗时的标注。我们提出了一种用于家庭物体分割的半监督标签传递方法。 segment proposer 生成类别无关的掩码，由 Hopfield 网络组成的集成模型通过学习在互补基础模型嵌入空间（CLIP、ViT、Theia）中的代表性嵌入来分配标签。该方法能够以有限的标注开销扩展至 50 类物体，在 RoboCup@Home 场景下可自动为 60% 的数据进行标注，在该场景中准备时间受到严格限制。数据集和代码已公开于 https://github.com/ais-bonn/label_propagation。
关键词
引用
@article{arxiv.2604.22992,
title = {Efficient Image Annotation via Semi-Supervised Object Segmentation with Label Propagation},
author = {Vitalii Tutevych and Raphael Memmesheimer and Luca Eichler and Dmytro Pavlichenko and Fynn Schilke and Rodja Krudewig and Sven Behnke},
journal= {arXiv preprint arXiv:2604.22992},
year = {2026}
}
备注
12 pages, 6 figures, 7 tables, submitted to RoboCup 2026 Symposium