SegGroup：用于3D实例与语义分割的片段级监督
计算机视觉与模式识别
2022-07-26 v5
摘要
大多数现有点云实例与语义分割方法严重依赖强监督信号，这要求对场景中每个点给出点级标签。然而，此类强监督标注成本巨大，催生了对高效标注方式的研究需求。本文中，我们发现实例的位置对实例与语义3D场景分割均至关重要。通过充分利用位置信息，我们设计了一种弱监督点云分割方法，仅需在每个实例上点击一点以标示其位置用于标注。借助过分割作为预处理，我们将这些位置标注扩展为片段，作为片段级标签。我们进一步设计了一个片段分组网络(SegGroup)，在片段级标签下通过将未标注片段分层分组至邻近相关已标注片段来生成点级伪标签，从而使现有点级监督分割模型可直接消费这些伪标签进行训练。实验结果表明，我们的片段级监督方法(SegGroup)取得了与全标注点级监督方法相当的结果。此外，在给定固定标注预算下，它优于近期弱监督方法。代码见 https://github.com/AnTao97/SegGroup。
引用
@article{arxiv.2012.10217,
title = {SegGroup: Seg-Level Supervision for 3D Instance and Semantic Segmentation},
author = {An Tao and Yueqi Duan and Yi Wei and Jiwen Lu and Jie Zhou},
journal= {arXiv preprint arXiv:2012.10217},
year = {2022}
}