GaPro：使用高斯过程作为伪标注器的框监督三维点云实例分割
计算机视觉与模式识别
2023-07-26 v1 人工智能
摘要
三维点云上的实例分割(3DIS)是计算机视觉中长期的挑战，其中最先进的方法主要基于全监督。由于标注真值稠密实例掩码繁琐且昂贵，以弱监督解决3DIS已变得更加实用。在本文中，我们提出GaPro，一种使用轴对齐三维边界框监督的三维点云新实例分割方法。我们的两步法涉及从框标注生成伪标签，并用所得标签训练3DIS网络。此外，我们采用自训练策略进一步提升方法性能。我们设计了一种有效的高斯过程，从边界框生成伪实例掩码，并解决它们重叠时的歧义，从而产生带有不确定性值的伪实例掩码。我们的实验表明，GaPro优于先前的弱监督三维实例分割方法，并与最先进的完全监督方法具有竞争性能。此外，我们展示了我们方法的鲁棒性，通过使用我们的伪标签进行训练，我们可以将各种最先进的完全监督方法适配到弱监督任务。源代码和训练模型可在 https://github.com/VinAIResearch/GaPro 获取。
引用
@article{arxiv.2307.13251,
title = {GaPro: Box-Supervised 3D Point Cloud Instance Segmentation Using Gaussian Processes as Pseudo Labelers},
author = {Tuan Duc Ngo and Binh-Son Hua and Khoi Nguyen},
journal= {arXiv preprint arXiv:2307.13251},
year = {2023}
}
备注
Accepted to ICCV 2023