点云语义分割的细粒度指标
计算机视觉与模式识别
2024-08-01 v1 图形学
摘要
点云语义分割数据集通常观察到两种形式的不平衡：（1）类别不平衡，即某些对象比其他对象更常见；以及（2）尺寸不平衡，即某些对象占据更多的点。因此，现有评估指标偏向于大多数类别和大对象。本文提出细粒度 mIoU 和 mAcc，以更全面地评估点云分割算法，解决这些问题。这些细粒度指标为模型和数据集提供了更丰富的统计信息，同时也减轻了当前语义分割指标对大对象的偏见。所提出的指标用于在三个不同的室内和室外语义分割数据集上训练和评估各种语义分割算法。
引用
@article{arxiv.2407.21289,
title = {Fine-grained Metrics for Point Cloud Semantic Segmentation},
author = {Zhuheng Lu and Ting Wu and Yuewei Dai and Weiqing Li and Zhiyong Su},
journal= {arXiv preprint arXiv:2407.21289},
year = {2024}
}
备注
PRCV 2024