基于草稿注释的标签高效语义场景完成
计算机视觉与模式识别
2024-05-27 v1 机器人学
摘要
语义场景完成旨在从相机或LiDAR推断带有语义类别的3D几何结构，为自动驾驶提供必要的占据信息。以往研究集中以全监督方式构建网络或基准。然而，稠密占据网格需要点级语义标注，导致昂贵且繁琐的标注成本。本文构建了一个新的标签高效基准，命名为ScribbleSC，将稀疏草稿式语义标签与稠密几何标签组合用于语义场景完成。具体方法为Scribble2Scene，通过几何感知自标注器构建和线上模型训练，辅以离线到在线蒸馏模块提升性能。在SemanticKITTI上实验表明，Scribble2Scene以竞争性能应对全监督方案，仅需标注13.5%的体素即可达到99%的全监督模型性能。ScribbleSC的所有标注及我们的完整实现已公开：https://github.com/songw-zju/Scribble2Scene
引用
@article{arxiv.2405.15170,
title = {Label-efficient Semantic Scene Completion with Scribble Annotations},
author = {Song Wang and Jiawei Yu and Wentong Li and Hao Shi and Kailun Yang and Junbo Chen and Jianke Zhu},
journal= {arXiv preprint arXiv:2405.15170},
year = {2024}
}
备注
Accepted by IJCAI2024