Label Anything：一种可解释、高保真且无需提示的标注器
机器人学
2025-02-06 v1 机器学习
摘要
自动驾驶（AD）中基于学习的街景语义理解近来取得了显著进展，但 AD 模型的性能严重依赖于标注训练数据的数量和质量。然而，传统的人工标注成本高昂，难以标注训练鲁棒模型所需的海量数据。为了降低人工标注的成本，我们提出了一种 Label Anything 模型（简称 LAM），作为一种可解释、高保真且无需提示的数据标注器。具体来说，我们首先引入一个预训练的视觉Transformer（ViT）来提取潜在特征。在 ViT 之上，我们提出了一个语义类别适配器（SCA）和一个面向优化的展开算法（OptOU），两者均具有极少量的可训练参数。SCA 旨在融合 ViT 提取的特征，以巩固后续自动标注的基础。OptOU 由多个级联层组成，每层包含一个优化公式，使其输出尽可能接近真实值，通过这种方式，OptOU 表现为可解释的，而非基于学习的黑箱性质。此外，由于 SCA 和 OptOU 的可学习参数量很小，训练它们仅需一张预标注的 RGB 种子图像。大量实验清楚地表明，所提出的 LAM 能够为多个真实世界数据集（即 Camvid、Cityscapes 和 Apolloscapes）以及 CARLA 仿真数据集生成高保真标注（mIoU 几乎达到 100%）。
引用
@article{arxiv.2502.02972,
title = {Label Anything: An Interpretable, High-Fidelity and Prompt-Free Annotator},
author = {Wei-Bin Kou and Guangxu Zhu and Rongguang Ye and Shuai Wang and Ming Tang and Yik-Chung Wu},
journal= {arXiv preprint arXiv:2502.02972},
year = {2025}
}
备注
Accepted by ICRA 2025