SRDA：通过扫描、推理与域适应生成实例分割标注
计算机视觉与模式识别
2018-07-16 v3
摘要
实例分割是计算机视觉中一个重要问题。然而，为该任务准备标注数据极其耗时且昂贵。通过结合 3D 扫描、推理与基于 GAN 的域适应技术之优势，我们引入一种名为 SRDA 的新流程，以极小代价获取大量训练样本。我们的流程非常适于可扫描的场景，即多数室内与部分室外场景。为评估性能，我们构建三个代表性场景与一个新数据集，含各类常见物体类别的 3D 模型及标注的真实场景图像。大量实验表明，在极低人力成本下，我们的流程能取得不错的实例分割性能。
引用
@article{arxiv.1801.08839,
title = {SRDA: Generating Instance Segmentation Annotation Via Scanning, Reasoning And Domain Adaptation},
author = {Wenqiang Xu and Yonglu Li and Cewu Lu},
journal= {arXiv preprint arXiv:1801.08839},
year = {2018}
}
备注
ECCV 2018