弱监督语义点云分割：朝向少10倍的标签

点云分析近来受到广泛关注；其中分割是最重要的任务之一。现有方法的成功归功于深度网络设计以及大量带标签的训练数据，而后者被假定总是可用的。然而，获取3d点云分割标签在实践中往往代价高昂。本工作中，我们提出一种弱监督点云分割方法，其在训练阶段仅需极小比例的点被标注。这是通过梯度近似学习以及对额外空间与颜色平滑约束的利用而实现的。实验在三个具有不同弱监督程度的公开数据集上进行。特别地，我们提出的方法能用少10$\times$的标签产生接近且有时甚至优于其全监督对应方法的结果。