RePL：半监督 LiDAR 语义分割的伪标签精炼
计算机视觉与模式识别
2026-04-09 v1
摘要
半监督学习在 LiDAR 语义分割中常因噪声伪标签导致误差传播和确认偏差而受到制约。为解决此慢性问题，我们引入 RePL 框架，通过掩码重建识别和纠正伪标签中的潜在错误，并提供专门的训练策略。我们还提供了理论分析，说明伪标签精炼何时有益，并经验性地确认该条件在 RePL 中是温和且明确满足的。在 nuScenes-lidarseg 和 SemanticKITTI 数据集上的广泛评估表明，RePL 显著提升了伪标签质量，由此实现了 LiDAR 语义分割的状态突破。
关键词
引用
@article{arxiv.2604.06825,
title = {RePL: Pseudo-label Refinement for Semi-supervised LiDAR Semantic Segmentation},
author = {Donghyeon Kwon and Taegyu Park and Suha Kwak},
journal= {arXiv preprint arXiv:2604.06825},
year = {2026}
}