SC3D: 基于单次点击标注的标签高效户外三维目标检测
计算机视觉与模式识别
2024-11-18 v3 人工智能
摘要
基于 LiDAR 的户外三维目标检测已受到广泛关注。然而，从 LiDAR 点云训练三维检测器通常依赖于昂贵的边界框标注。本文提出 SC3D，一种创新的低标注成本方法，仅需对每帧三维点云的鸟瞰图进行单次粗略点击即可完成标注。此处的一个关键挑战在于，此类简单点击标注无法提供目标对象的完整几何描述。为解决这一问题，本文提出的 SC3D 采用渐进式流水线。首先，我们设计了一个混合伪标签生成模块，将有限的点击标注扩展为边界框与语义掩码监督的混合。接下来，我们提出一种混合监督教师模型，使检测器能够学习混合监督信息。最后，我们引入一种混合监督学生网络，利用教师模型的泛化能力来学习未被点击的实例。在广泛使用的 nuScenes 和 KITTI 数据集上的实验结果表明，我们的 SC3D 仅使用粗略点击（仅需 0.2% 的标注成本），即可达到优于弱监督三维检测方法的性能。代码将公开发布。
引用
@article{arxiv.2408.08092,
title = {SC3D: Label-Efficient Outdoor 3D Object Detection via Single Click Annotation},
author = {Qiming Xia and Hongwei Lin and Wei Ye and Hai Wu and Yadan Luo and Cheng Wang and Chenglu Wen},
journal= {arXiv preprint arXiv:2408.08092},
year = {2024}
}