MAP-Gen：一种基于多模态注意力点生成器的自动化3D框标注流程
计算机视觉与模式识别
2022-03-30 v1
摘要
人工标注三维点云费力且昂贵，限制了真实世界目标检测中深度学习的训练数据准备。尽管少数先前研究尝试从2D框等弱标签自动生成3D边界框，但其质量相较于人工标注者仍次优。本工作提出一种新颖的自动标注器，称为多模态注意力点生成器(MAP-Gen)，它从弱2D框生成高质量3D标签。它利用稠密图像信息解决3D点云的稀疏性问题，从而提升标签质量。对于每个2D像素，MAP-Gen通过基于其2D语义或几何关系参考上下文点来预测其对应的3D坐标。生成的3D点使原始稀疏点云变稠密，随后由编码器回归3D边界框。使用MAP-Gen，由2D框弱监督的目标检测网络可达到由3D标注全监督网络的94~99%性能。希望这一新提出的MAP-Gen自动标注流程能为利用多模态信息丰富稀疏点云提供新思路。
引用
@article{arxiv.2203.15700,
title = {MAP-Gen: An Automated 3D-Box Annotation Flow with Multimodal Attention Point Generator},
author = {Chang Liu and Xiaoyan Qian and Xiaojuan Qi and Edmund Y. Lam and Siew-Chong Tan and Ngai Wong},
journal= {arXiv preprint arXiv:2203.15700},
year = {2022}
}
备注
6 pages, 4 figures, accepted by ICPR 2022