Text3DAug:面向 LiDAR 感知的提示驱动实例增强
计算机视觉与模式识别
2024-08-28 v2 人工智能
摘要
城市场景的 LiDAR 数据带来了独特的挑战,例如异构特性和固有的类别不平衡。因此,应用深度学习方法需要大规模数据集。实例增强已成为提高数据集多样性的有效方法。然而,当前的方法需要耗时的 3D 模型整理或昂贵的人工数据标注。为了克服这些限制,我们提出了 Text3DAug,一种利用生成模型进行实例增强的新方法。Text3DAug 不依赖标记数据,并且是同类方法中首个从文本生成实例和标注的方法。这使得全自动流程成为可能,在实际应用中消除了人工工作。此外,Text3DAug 与传感器无关,无论使用何种 LiDAR 传感器均可应用。对 LiDAR 分割、检测和新类发现的综合实验分析表明,Text3DAug 能有效补充现有方法或作为独立方法,表现与现有方法持平或更优,同时克服了它们的具体缺点。代码已公开。
引用
@article{arxiv.2408.14253,
title = {Text3DAug -- Prompted Instance Augmentation for LiDAR Perception},
author = {Laurenz Reichardt and Luca Uhr and Oliver Wasenmüller},
journal= {arXiv preprint arXiv:2408.14253},
year = {2024}
}
备注
Accepted at the 2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2024)