論文の概要: SQN: Weakly-Supervised Semantic Segmentation of Large-Scale 3D Point
Clouds
- arxiv url: http://arxiv.org/abs/2104.04891v3
- Date: Thu, 27 Apr 2023 10:02:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-28 17:53:16.495072
- Title: SQN: Weakly-Supervised Semantic Segmentation of Large-Scale 3D Point
Clouds
- Title(参考訳): SQN:大規模3次元点雲の弱教師付きセマンティックセグメンテーション
- Authors: Qingyong Hu, Bo Yang, Guangchi Fang, Yulan Guo, Ales Leonardis, Niki
Trigoni, Andrew Markham
- Abstract要約: そこで我々は,高度に疎い監視信号を暗黙的に増強する,新しい弱い監視手法を提案する。
提案されているセマンティッククエリネットワーク(SQN)は、7つの大規模オープンデータセットで有望なパフォーマンスを達成する。
SQNはトレーニングのためにランダムに注釈付きポイントを0.1%しか必要とせず、アノテーションのコストと労力を大幅に削減する。
- 参考スコア(独自算出の注目度): 69.97213386812969
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Labelling point clouds fully is highly time-consuming and costly. As larger
point cloud datasets with billions of points become more common, we ask whether
the full annotation is even necessary, demonstrating that existing baselines
designed under a fully annotated assumption only degrade slightly even when
faced with 1% random point annotations. However, beyond this point, e.g., at
0.1% annotations, segmentation accuracy is unacceptably low. We observe that,
as point clouds are samples of the 3D world, the distribution of points in a
local neighborhood is relatively homogeneous, exhibiting strong semantic
similarity. Motivated by this, we propose a new weak supervision method to
implicitly augment highly sparse supervision signals. Extensive experiments
demonstrate the proposed Semantic Query Network (SQN) achieves promising
performance on seven large-scale open datasets under weak supervision schemes,
while requiring only 0.1% randomly annotated points for training, greatly
reducing annotation cost and effort. The code is available at
https://github.com/QingyongHu/SQN.
- Abstract(参考訳): ポイントクラウドを完全にラベリングすることは、非常に時間がかかり、コストがかかる。
数十億のポイントを持つ大きなポイントクラウドデータセットがより一般的になるにつれて、完全なアノテーションが必要であるかどうかを問うとともに、完全な注釈付き仮定の下で設計されている既存のベースラインが、1%のランダムなポイントアノテーションに直面した場合でもわずかに低下することを示す。
しかし、この点を超えて、例えば0.1%のアノテーションでは、セグメンテーションの精度は許容できないほど低い。
点雲は3次元世界のサンプルであるため、局所的な近傍における点の分布は比較的均質であり、強い意味的類似性を示す。
そこで本研究では,高度に疎い監視信号を暗黙的に増強する弱い監視手法を提案する。
広範囲な実験により、提案されたセマンティッククエリネットワーク(SQN)は、弱い監督スキームの下で7つの大規模オープンデータセット上で有望なパフォーマンスを達成する一方で、トレーニングには0.1%のランダムな注釈付きポイントしか必要とせず、アノテーションのコストと労力を大幅に削減する。
コードはhttps://github.com/QingyongHu/SQNで入手できる。
関連論文リスト
- Multi-modality Affinity Inference for Weakly Supervised 3D Semantic
Segmentation [47.81638388980828]
本稿では,マルチモーダルポイント親和性推論モジュールを新たに導入した,シンプルで効果的なシーンレベルの弱教師付きポイントクラウドセグメンテーション法を提案する。
ScanNet と S3DIS のベンチマークでは,最先端の ScanNet と S3DIS のベンチマークでは 4% から 6% の mIoU を達成している。
論文 参考訳(メタデータ) (2023-12-27T14:01:35Z) - FreePoint: Unsupervised Point Cloud Instance Segmentation [72.64540130803687]
点クラウド上の教師なしクラス非依存のインスタンスセグメンテーションを探索するためのFreePointを提案する。
我々は、座標、色、そして自己監督の深い特徴を組み合わせることで、点の特徴を表現する。
ポイント機能に基づいて、ポイントクラウドを擬似ラベルとして粗いインスタンスマスクに分割し、ポイントクラウドインスタンスセグメンテーションモデルをトレーニングする。
論文 参考訳(メタデータ) (2023-05-11T16:56:26Z) - Weakly Supervised Semantic Segmentation for Large-Scale Point Cloud [69.36717778451667]
大規模なポイントクラウドセマンティックセグメンテーションのための既存の方法は、高価な、退屈でエラーを起こしやすい手動のポイントワイドアノテーションを必要とする。
この問題を解決するために,2つのコンポーネントを含む効果的な弱教師付き手法を提案する。
実験結果から,既存の弱教師付き手法と完全教師付き手法を比較検討した。
論文 参考訳(メタデータ) (2022-12-09T09:42:26Z) - Dual Adaptive Transformations for Weakly Supervised Point Cloud
Segmentation [78.6612285236938]
弱制御点雲分割のための新しいDATモデル(textbfDual textbfAdaptive textbfTransformations)を提案する。
我々は,大規模S3DISデータセットとScanNet-V2データセットの2つの人気バックボーンを用いたDATモデルの評価を行った。
論文 参考訳(メタデータ) (2022-07-19T05:43:14Z) - A new weakly supervised approach for ALS point cloud semantic
segmentation [1.4620086904601473]
本稿では,ALS点雲のセマンティックセグメンテーションのための,ディープラーニングに基づく弱教師付きフレームワークを提案する。
不完全でスパースなラベルの対象となるラベルのないデータから潜在的情報を利用する。
本手法は, 総合精度が83.0%, 平均F1スコアが70.0%であり, それぞれ6.9%, 12.8%増加した。
論文 参考訳(メタデータ) (2021-10-04T14:00:23Z) - Dense Supervision Propagation for Weakly Supervised Semantic Segmentation on 3D Point Clouds [59.63231842439687]
意味点クラウドセグメンテーションネットワークをトレーニングする。
同様の特徴を伝達し、2つのサンプルにまたがる勾配を再現するクロスサンプル機能再配置モジュールを提案する。
ラベルの10%と1%しか持たない弱教師付き手法では、完全教師付き手法と互換性のある結果が得られる。
論文 参考訳(メタデータ) (2021-07-23T14:34:57Z) - Weakly Supervised Semantic Point Cloud Segmentation:Towards 10X Fewer
Labels [77.65554439859967]
トレーニング段階でラベル付けされるポイントのごく一部しか必要としない,弱教師付きポイントクラウドセグメンテーション手法を提案する。
実験は3つの公開データセットで行われ、監督の度合いが異なる。
論文 参考訳(メタデータ) (2020-04-08T16:14:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。