探索用于语义神经辐射场标签高效训练的主动学习
计算机视觉与模式识别
2025-07-24 v1
摘要
神经辐射场（NeRF）模型是隐式神经场景表示方法，在新视角合成方面提供了前所未有的能力。语义感知的NeRF不仅捕捉场景的形状和辐射度，还编码场景的语义信息。语义感知NeRF的训练通常需要像素级的类别标签，而收集这些标签的成本可能高得令人望而却步。在这项工作中，我们探索了主动学习作为减轻标注负担的潜在解决方案。我们研究了用于语义感知NeRF主动学习的各种设计选择，包括选择粒度和选择策略。我们进一步提出了一种新颖的主动学习策略，该策略在样本选择中考虑了3D几何约束。我们的实验表明，主动学习可以有效降低训练语义感知NeRF的标注成本，与随机采样相比，标注成本降低了2倍以上。
引用
@article{arxiv.2507.17351,
title = {Exploring Active Learning for Label-Efficient Training of Semantic Neural Radiance Field},
author = {Yuzhe Zhu and Lile Cai and Kangkang Lu and Fayao Liu and Xulei Yang},
journal= {arXiv preprint arXiv:2507.17351},
year = {2025}
}
备注
Accepted to ICME 2025