SALT：面向一般 LiDAR 点云的灵活半自动标注工具，具跨场景适应性与 4D 一致性
计算机视觉与模式识别
2025-06-24 v2 机器人学
摘要
我们提出一种灵活的半自动标注工具 (SALT)，用于一般 LiDAR 点云，具备跨场景适应性和 4D 一致性。不同于最近依赖相机蒸馏的方法，SALT 直接作用于原始 LiDAR 数据，自动生成预分割结果。为此，我们提出一种新颖的零样例学习范式，称为数据对齐，将 LiDAR 数据转换为与视觉基础模型训练分布对齐的伪图像。此外，我们设计了 4D 一致的提示策略和 4D 非最大抑制模块，以增强 SAM2，确保高质量、时序一致的预分割。SALT 在 SemanticKITTI 上超越最新零样例方法 18.4% 的 PQ，并在我们新收集的低分辨率 LiDAR 数据以及来自三种 LiDAR 类型的组合数据上实现近 40-50%的人类标注员水平，显著提升了标注效率。我们预计，SALT 的开源将催化当前 LiDAR 数据集的显著扩展，为未来 LiDAR 基础模型的发展奠定基础。代码已公开于 https://github.com/Cavendish518/SALT。
引用
@article{arxiv.2503.23980,
title = {SALT: A Flexible Semi-Automatic Labeling Tool for General LiDAR Point Clouds with Cross-Scene Adaptability and 4D Consistency},
author = {Yanbo Wang and Yongtao Chen and Chuan Cao and Tianchen Deng and Wentao Zhao and Jingchuan Wang and Weidong Chen},
journal= {arXiv preprint arXiv:2503.23980},
year = {2025}
}