論文の概要: Scribble-Supervised LiDAR Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2203.08537v1
• Date: Wed, 16 Mar 2022 11:01:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-17 15:36:22.466834
• Title: Scribble-Supervised LiDAR Semantic Segmentation
• Title（参考訳）: scribble-supervised lidarセマンティクスセグメンテーション
• Authors: Ozan Unal and Dengxin Dai and Luc Van Gool
• Abstract要約: 我々は、LiDARの点雲に注釈をつけるためにスクリブルを使用し、LiDARセマンティックセマンティックセグメンテーションのための最初のスクリブルアノテートデータセットであるScribbleKITTIをリリースする。 私たちのパイプラインは3つのスタンドアロンコントリビューションで構成されており、すべてのLiDARセマンティックセグメンテーションモデルと組み合わせて、完全に管理されたパフォーマンスの95.7%を達成できます。
• 参考スコア（独自算出の注目度）: 102.62963605429508
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Densely annotating LiDAR point clouds remains too expensive and time-consuming to keep up with the ever growing volume of data. While current literature focuses on fully-supervised performance, developing efficient methods that take advantage of realistic weak supervision have yet to be explored. In this paper, we propose using scribbles to annotate LiDAR point clouds and release ScribbleKITTI, the first scribble-annotated dataset for LiDAR semantic segmentation. Furthermore, we present a pipeline to reduce the performance gap that arises when using such weak annotations. Our pipeline comprises of three stand-alone contributions that can be combined with any LiDAR semantic segmentation model to achieve up to 95.7% of the fully-supervised performance while using only 8% labeled points. Our scribble annotations and code are available at github.com/ouenal/scribblekitti.
• Abstract（参考訳）: 厳密な注釈付きLiDARポイントのクラウドは、増え続けるデータの量に追いつくには高価で時間がかかる。 現在の文献は、完全に監督されたパフォーマンスに焦点を当てているが、現実的な弱い監督を生かした効率的な手法の開発はまだ検討されていない。 本稿では,LiDAR の点雲にアノテートするスクリブルと,LiDAR のセマンティックセグメンテーションのための最初のスクリブルアノテートデータセットである ScribbleKITTI のリリースを提案する。 さらに,このような弱いアノテーションを使用する場合に発生するパフォーマンスギャップを低減するパイプラインを提案する。 当社のパイプラインは、すべてのlidarセマンティクスセグメンテーションモデルと組み合わせて、8%のラベル付きポイントを使用して、完全な教師付きパフォーマンスの95.7%を達成する3つのスタンドアローンコントリビューションで構成されています。 scribbleのアノテーションとコードはgithub.com/ouenal/scribblekittiで入手できる。

関連論文リスト

• TeFF: Tracking-enhanced Forgetting-free Few-shot 3D LiDAR Semantic Segmentation [10.628870775939161]
  本稿では,LiDARデータの時間的連続性を利用して,現在の数ショットセマンティックセマンティックセマンティクスの限界に対処する。 追跡モデルを用いて、LiDARフレームのシーケンスから擬似地下構造を生成し、新しいクラスで学習するデータセットの能力を向上する。 トレーニング可能なパラメータの数を減らし,新しいクラスへの適応性を向上しつつ,ベースクラス上でのモデル性能を保留するテクニックであるLoRAを取り入れた。
  論文  参考訳（メタデータ） (2024-08-28T09:18:36Z)
• Weakly Supervised LiDAR Semantic Segmentation via Scatter Image Annotation [38.715754110667916]
  画像アノテーションを用いたLiDARセマンティックセマンティックセマンティックセマンティクスを実装した。 また、パフォーマンスギャップを減らすための3つの重要な戦略を含むネットワークであるScatterNetを提案する。 本手法は,完全教師付き手法の95%以上の性能を達成するために,ラベル付き点の0.02%未満を必要とする。
  論文  参考訳（メタデータ） (2024-04-19T13:01:30Z)
• Learning Tracking Representations from Single Point Annotations [49.47550029470299]
  本稿では,単一点アノテーションから追跡表現を弱教師付きで学習することを提案する。 具体的には,エンド・ツー・エンド・エンド・コントラスト学習に先立って,対象対象対象性を取り入れたソフトコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-15T06:50:58Z)
• Self-Supervised Pre-Training Boosts Semantic Scene Segmentation on LiDAR Data [0.0]
  本稿では,Barlow Twins を用いた自己教師型エンコーダを訓練し,セマンティックシーンセグメンテーションのタスクにおいて,事前学習ネットワークとして使用することを提案する。 実験の結果,教師なし事前学習は教師付きタスクの微調整によって性能が向上することが示された。
  論文  参考訳（メタデータ） (2023-09-05T11:29:30Z)
• Exploring Active 3D Object Detection from a Generalization Perspective [58.597942380989245]
  不確実性に基づくアクティブな学習ポリシーは、ポイントクラウドの情報性とボックスレベルのアノテーションコストの間のトレードオフのバランスを取れません。 冗長な3次元境界ボックスラベルの点群を階層的にフィルタリングするtextscCrbを提案する。 実験により,提案手法が既存のアクティブラーニング戦略より優れていることが示された。
  論文  参考訳（メタデータ） (2023-01-23T02:43:03Z)
• LESS: Label-Efficient Semantic Segmentation for LiDAR Point Clouds [62.49198183539889]
  我々は,LiDAR点雲を用いた屋外シーンのためのラベル効率のよいセマンティックセマンティックセマンティクスパイプラインを提案する。 本手法は,半弱教師付き学習を用いて,効率的なラベリング手法を設計する。 提案手法は,100%ラベル付き完全教師付き手法と比較して,さらに競争力が高い。
  論文  参考訳（メタデータ） (2022-10-14T19:13:36Z)
• LaserMix for Semi-Supervised LiDAR Semantic Segmentation [56.73779694312137]
  We study the underexplored semi-supervised learning (SSL) in LiDAR segmentation。 当社の中核となる考え方は、LiDAR点雲の強い空間的手がかりを活用して、ラベルのないデータをうまく活用することです。 我々は、異なるLiDARスキャンからレーザービームを混合し、一貫性と自信のある予測を行うことを奨励するLaserMixを提案する。
  論文  参考訳（メタデータ） (2022-06-30T18:00:04Z)
• PointMatch: A Consistency Training Framework for Weakly Supervised Semantic Segmentation of 3D Point Clouds [117.77841399002666]
  本稿では,データ自体から十分な情報を探索するために整合性正規化を適用することで,データとラベルの両面に立つ新しいフレームワークであるPointMatchを提案する。 提案したPointMatchは、ScanNet-v2データセットとS3DISデータセットの両方で、様々な弱い教師付きスキームの下で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-02-22T07:26:31Z)
• Semi-supervised Implicit Scene Completion from Sparse LiDAR [11.136332180451308]
  局所的な形状の埋め込みに半教師付き暗黙関数を条件付ける新しい定式化を開発する。 スパース畳み込みネットワークの強力な表現学習力を利用して、形状対応の高密度特徴量を生成する。 本稿では,この学習システムの本質的特性と実世界の道路シーンにおける有用性を示す。
  論文  参考訳（メタデータ） (2021-11-29T18:50:09Z)

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。