利用对比场景上下文探索数据高效的 3D 场景理解
计算机视觉与模式识别
2021-06-29 v3
摘要
3D 场景理解的快速进展伴随着对数据需求的不断增长；然而，收集和标注 3D 场景（例如点云）是出了名的困难。例如，可访问和扫描的场景（例如室内房间）数量可能有限；即使给定充足数据，获取 3D 标签（例如实例掩码）也需要大量人力。在本文中，我们探索用于 3D 点云的数据高效学习。作为朝该方向的第一步，我们提出 Contrastive Scene Contexts，一种利用场景中逐点对应关系和空间上下文的 3D 预训练方法。我们的方法在训练和标签均稀缺的一系列基准上取得了最先进的结果。我们的研究揭示，对 3D 点云进行详尽标注可能是不必要的；并且值得注意的是，在 ScanNet 上，即使仅使用 0.1% 的点标签，我们仍能达到使用完整标注的基线性能的 89%（实例分割）和 96%（语义分割）。
引用
@article{arxiv.2012.09165,
title = {Exploring Data-Efficient 3D Scene Understanding with Contrastive Scene Contexts},
author = {Ji Hou and Benjamin Graham and Matthias Nießner and Saining Xie},
journal= {arXiv preprint arXiv:2012.09165},
year = {2021}
}
备注
CVPR 2021