探索场景亲和性用于半监督LiDAR语义分割
计算机视觉与模式识别
2025-04-02 v3
摘要
本文探索了场景亲和性（AIScene），即场景内一致性与场景间相关性，用于驾驶场景中的半监督LiDAR语义分割。采用师生训练，AIScene利用教师网络从未标记数据生成伪标签场景，进而指导学生网络的学习。与大多数方法在正向传播中包含伪标签场景中的所有点但在反向传播中仅使用伪标签点不同，AIScene移除没有伪标签的点，确保场景内正向和反向传播的一致性。这种简单的点擦除策略有效防止了无监督的语义模糊点（在反向传播中被排除）影响伪标签点的学习。此外，AIScene引入了基于块的数据增强，在场景级别和实例级别混合多个场景。与通常在两个场景之间执行场景级别混合的现有增强技术相比，我们的方法增强了有标签（或伪标签）场景的语义多样性，从而提升了分割模型的半监督性能。实验表明，AIScene在四个设置中的两个流行基准上超越了先前方法，在最具挑战性的1%有标签数据中实现了1.9%和2.1%的显著提升。
引用
@article{arxiv.2408.11280,
title = {Exploring Scene Affinity for Semi-Supervised LiDAR Semantic Segmentation},
author = {Chuandong Liu and Xingxing Weng and Shuguo Jiang and Pengcheng Li and Lei Yu and Gui-Song Xia},
journal= {arXiv preprint arXiv:2408.11280},
year = {2025}
}
备注
Accepted by CVPR2025