基于场景级标注的点云分割高质量伪标签生成
计算机视觉与模式识别
2025-07-01 v1
摘要
本文研究了场景级标注下的室内点云语义分割，相较于依赖稀疏点级标签的方法，这一方向探索较少。在缺乏精确点级标签的情况下，当前方法首先生成点级伪标签，随后用其训练分割模型。然而，仅基于场景级标注为每个点生成准确的伪标签构成了相当大的挑战，极大影响了分割性能。因此，为提升准确性，本文通过探索当代多模态信息与区域-点语义一致性，提出了一种高质量伪标签生成框架。具体而言，借助跨模态特征引导模块，我们的方法利用2D-3D对应关系将点云特征与对应的2D图像像素对齐，从而辅助点云特征学习。为进一步缓解场景级标注带来的挑战，我们引入了区域-点语义一致性模块。该模块通过源自点级语义的区域投票策略生成区域语义，随后用于指导点级语义预测。利用上述模块，我们的方法能够在训练期间纠正不准确的点级语义预测，并获得高质量伪标签。在场景级标注下，相较于以往在ScanNet v2和S3DIS数据集上的工作取得的显著提升能够证明其有效性。此外，全面的消融实验验证了我们方法中各个组件的贡献。代码可在 https://github.com/LHDuan/WSegPC 获取。
引用
@article{arxiv.2506.23227,
title = {High-quality Pseudo-labeling for Point Cloud Segmentation with Scene-level Annotation},
author = {Lunhao Duan and Shanshan Zhao and Xingxing Weng and Jing Zhang and Gui-Song Xia},
journal= {arXiv preprint arXiv:2506.23227},
year = {2025}
}
备注
Accepted by TPAMI. Code: https://github.com/LHDuan/WSegPC