用于 3D 点云语义分割的生成式零样本学习
计算机视觉与模式识别
2023-01-20 v5
摘要
尽管针对 2D 图像的零样本学习(ZSL)已有诸多研究，但其在 3D 数据上的应用仍属近期且稀少，仅有少数方法局限于分类。我们提出了首个面向 3D 数据的生成式方法，可同时处理 ZSL 与广义 ZSL (GZSL)，既能处理分类，并首次处理语义分割。我们表明，在 ModelNet40 分类的归纳式 ZSL 与归纳式 GZSL 上，该方法达到或超越了最先进水平。对于语义分割，我们利用 S3DIS、ScanNet 与 SemanticKITTI 创建了三个基准以评估这一新 ZSL 任务。我们的实验表明，该方法优于我们为此任务额外提出的强基线。
引用
@article{arxiv.2108.06230,
title = {Generative Zero-Shot Learning for Semantic Segmentation of 3D Point Clouds},
author = {Björn Michele and Alexandre Boulch and Gilles Puy and Maxime Bucher and Renaud Marlet},
journal= {arXiv preprint arXiv:2108.06230},
year = {2023}
}
备注
For the published code, see https://github.com/valeoai/3DGenZ