利用含噪伪标签学习三维点云中的场景流
计算机视觉与模式识别
2022-03-25 v1 人工智能
摘要
我们提出一种新颖的场景流方法，可从点云中捕捉三维运动，而无需依赖真实场景流标注。由于点云的不规则性与稀疏性，获取真实场景流标注昂贵且耗时。一些最先进的方法通过从点云近似伪场景流标签，以自监督学习方式来训练场景流网络。然而，由于点云的稀疏性及缺乏颜色信息等诸多局限，这些方法未能达到全监督方法的性能水平。作为替代，我们提出一种新颖方法，利用单目 RGB 图像与点云生成伪场景流标签以训练场景流网络。我们的伪标签生成模块通过联合利用单目图像中丰富的外观信息与点的几何信息，推断点云的伪场景标签。为进一步降低含噪伪标签对训练的负面影响，我们利用点的几何关系提出了一种噪声标签感知训练方案。实验结果表明，我们的方法不仅优于最先进的自监督方法，也优于一些使用精确真实流的有监督方法。
引用
@article{arxiv.2203.12655,
title = {Learning Scene Flow in 3D Point Clouds with Noisy Pseudo Labels},
author = {Bing Li and Cheng Zheng and Guohao Li and Bernard Ghanem},
journal= {arXiv preprint arXiv:2203.12655},
year = {2022}
}