HAL3D:面向细粒度三维部件标注的层次化主动学习
计算机视觉与模式识别
2024-04-02 v2
摘要
我们提出了首个用于细粒度三维部件标注的主动学习工具,由于小而复杂部件之间显著的结构差异,该问题即便对最先进的深度学习(DL)方法也构成挑战。出于同样原因,所需的数据标注工作量巨大,这促使人们寻求最小化人工参与的方法。我们的标注工具迭代地验证或修改由深度神经网络预测的部件标签,人工反馈持续地改进网络预测。为有效减少人工工作量,我们在工具中开发了两项新特性:层次化与对称性感知的主动标注。我们这种人机协同方法称为 HAL3D,在任何具有预定义层次化部件标签的测试集上都能达到 100% 准确率(除人为错误外),相比人工标注节省 80% 时间。
引用
@article{arxiv.2301.10460,
title = {HAL3D: Hierarchical Active Learning for Fine-Grained 3D Part Labeling},
author = {Fenggen Yu and Yiming Qian and Francisca Gil-Ureta and Brian Jackson and Eric Bennett and Hao Zhang},
journal= {arXiv preprint arXiv:2301.10460},
year = {2024}
}
备注
Accepted to ICCV 2023