通过 3D 到 2D 标签迁移的街景语义实例标注
计算机视觉与模式识别
2016-04-13 v2
摘要
语义标注对于训练用于目标识别、语义分割或场景理解的模型至关重要。不幸的是，大规模图像的逐像素标注劳动密集，且仅有少量标注数据可用，尤其在实例级别和街景中。在本文中，我们提出通过将语义实例标注任务从 2D 提升到 3D 来解决此问题。给定来自立体或激光数据的重建，我们用粗略的边界基元标注静态 3D 场景元素，并开发一个将该信息迁移到图像域的模型。我们利用我们的方法为我们收集的一个新颖的郊区视频数据集获取 2D 标签，得到了 400k 语义和实例图像标注。我们的方法与最先进的标签迁移基线相比表明，3D 信息实现了更高效的标注，同时带来了更高的准确率和时间一致的标签。
引用
@article{arxiv.1511.03240,
title = {Semantic Instance Annotation of Street Scenes by 3D to 2D Label Transfer},
author = {Jun Xie and Martin Kiefel and Ming-Ting Sun and Andreas Geiger},
journal= {arXiv preprint arXiv:1511.03240},
year = {2016}
}
备注
10 pages in Conference on Computer Vision and Pattern Recognition (CVPR), 2016