涂鸦监督的激光雷达语义分割
计算机视觉与模式识别
2022-04-01 v2
摘要
密集标注激光雷达点云的成本过高且耗时，难以跟上不断增长的数据量。当前文献聚焦于全监督性能，而利用现实弱监督的高效方法仍有待探索。本文提出使用涂鸦来标注激光雷达点云，并发布ScribbleKITTI——首个用于激光雷达语义分割的涂鸦标注数据集。此外，我们提出一种流水线以缩小使用此类弱标注时产生的性能差距。我们的流水线包含三项独立贡献，可与任何激光雷达语义分割模型结合，在使用仅8%标注点的情况下达到全监督性能的95.7%。我们的涂鸦标注与代码发布于github.com/ouenal/scribblekitti。
引用
@article{arxiv.2203.08537,
title = {Scribble-Supervised LiDAR Semantic Segmentation},
author = {Ozan Unal and Dengxin Dai and Luc Van Gool},
journal= {arXiv preprint arXiv:2203.08537},
year = {2022}
}
备注
Accepted at CVPR 2022 (ORAL)