一次点击即可：基于鸥燰图视图的单点弱监督3D实例分割
计算机视觉与模式识别
2025-03-18 v3
摘要
户外LiDAR点云3D实例分割是自动驾驶中的关键任务，但需要大量的人工标注才能训练分割模型。为此，我们提出YoCo框架，通过鸥燰图视图中的最小粗糙点击标注生成3D伪标签。从稀疏标注中产生高质量伪标签是一个重要挑战。我们的YoCo框架首先利用视觉基础模型结合点云的几何约束来增强伪标签生成。其次，设计了基于时空的标签更新模块，用于生成可靠的更新标签。它利用相邻帧的预测结果，利用点云密度变化特性(密集靠近，稀疏远处)。最后，为进一步提高标签质量，提出了基于IoU引导的增强模块，用高置信度且IoU较大的预测替换伪标签。在Waymo数据集上的实验表明，YoCo在弱监督方法中实现了SOTA性能，甚至超越了全监督的Cylinder3D。此外，YoCo适用于各种网络，仅需0.8%的完全标注数据即可实现与全监督方法相当的性能，显著降低了标注成本。
引用
@article{arxiv.2502.19698,
title = {You Only Click Once: Single Point Weakly Supervised 3D Instance Segmentation for Autonomous Driving},
author = {Guangfeng Jiang and Jun Liu and Yongxuan Lv and Yuzhi Wu and Xianfei Li and Wenlong Liao and Tao He and Pai Peng},
journal= {arXiv preprint arXiv:2502.19698},
year = {2025}
}