面向点云语义分割的多对单知识蒸馏
计算机视觉与模式识别
2023-05-01 v1 人工智能
摘要
3D点云语义分割是环境理解的基础任务之一。尽管近年来取得显著进展，少数样本或少量点类别的性能仍远不能令人满意。本文中，我们提出一种新颖的多对单知识蒸馏框架，用于3D点云语义分割任务，以提升这些困难类别的性能。不同于直接融合多帧扫描的所有点，仅融合属于先前定义的困难类别的实例。为有效且充分地蒸馏多帧扫描中的有价值知识，我们采用多级蒸馏框架，即特征表示蒸馏、logit蒸馏与亲和度蒸馏。我们进一步提出一种新颖的实例感知亲和度蒸馏算法，以捕获高层结构知识，增强对困难类别的蒸馏效能。最后，我们在SemanticKITTI数据集上实验，验证集与测试集结果均表明我们的方法相较基线方法取得实质性改进。代码见\Url{https://github.com/skyshoumeng/M2SKD}。
引用
@article{arxiv.2304.14800,
title = {Multi-to-Single Knowledge Distillation for Point Cloud Semantic Segmentation},
author = {Shoumeng Qiu and Feng Jiang and Haiqiang Zhang and Xiangyang Xue and Jian Pu},
journal= {arXiv preprint arXiv:2304.14800},
year = {2023}
}