論文の概要: Self-Supervised Learning for Point Clouds Data: A Survey
- arxiv url: http://arxiv.org/abs/2305.11881v2
- Date: Wed, 24 May 2023 08:42:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 00:46:44.544184
- Title: Self-Supervised Learning for Point Clouds Data: A Survey
- Title（参考訳）: ポイントクラウドデータの自己教師あり学習:調査
- Authors: Changyu Zeng, Wei Wang, Anh Nguyen, Yutao Yue
- Abstract要約: 自己監督学習(SSL)は、時間と労働集約的なデータラベリング問題を解決するための重要なソリューションであると考えられている。
本稿では,ポイントクラウドにおけるSSLの最近の進歩を包括的に調査する。
- 参考スコア（独自算出の注目度）: 8.858165912687923
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D point clouds are a crucial type of data collected by LiDAR sensors and
widely used in transportation applications due to its concise descriptions and
accurate localization. Deep neural networks (DNNs) have achieved remarkable
success in processing large amount of disordered and sparse 3D point clouds,
especially in various computer vision tasks, such as pedestrian detection and
vehicle recognition. Among all the learning paradigms, Self-Supervised Learning
(SSL), an unsupervised training paradigm that mines effective information from
the data itself, is considered as an essential solution to solve the
time-consuming and labor-intensive data labelling problems via smart
pre-training task design. This paper provides a comprehensive survey of recent
advances on SSL for point clouds. We first present an innovative taxonomy,
categorizing the existing SSL methods into four broad categories based on the
pretexts' characteristics. Under each category, we then further categorize the
methods into more fine-grained groups and summarize the strength and
limitations of the representative methods. We also compare the performance of
the notable SSL methods in literature on multiple downstream tasks on benchmark
datasets both quantitatively and qualitatively. Finally, we propose a number of
future research directions based on the identified limitations of existing SSL
research on point clouds.
- Abstract（参考訳）: 3Dポイントクラウドは、LiDARセンサーによって収集された重要なデータであり、その簡潔な説明と正確なローカライゼーションのために輸送アプリケーションで広く利用されている。
ディープニューラルネットワーク(DNN)は、特に歩行者検出や車両認識など、さまざまなコンピュータビジョンタスクにおいて、乱れやスパースな3Dポイントクラウドの処理で顕著な成功を収めている。
すべての学習パラダイムの中で、データ自体から効果的な情報をマイニングする教師なしのトレーニングパラダイムであるセルフ・スーパーバイザード・ラーニング(SSL)は、スマートな事前学習タスク設計を通じて、時間と労働集約的なデータラベル問題の解決に不可欠なソリューションであると考えられている。
本稿では,ポイントクラウドにおけるSSLの最近の進歩を包括的に調査する。
まず,既存のssl法を4つのカテゴリに分類し,その特徴に基づいて分類を行った。
各カテゴリにおいて、これらの手法をよりきめ細かな群に分類し、代表的手法の強さと限界を要約する。
また、ベンチマークデータセットにおける複数のダウンストリームタスクの文献における注目すべきSSLメソッドの性能を定量的かつ定性的に比較する。
最後に,ポイントクラウド上での既存のSSL研究の限界に基づいた今後の研究方向を提案する。
関連論文リスト
- A Survey of the Self Supervised Learning Mechanisms for Vision Transformers [5.152455218955949]
視覚タスクにおける自己教師あり学習(SSL)の適用は注目されている。
SSL手法を体系的に分類する包括的分類法を開発した。
SSLの背後にあるモチベーションについて議論し、人気のある事前トレーニングタスクをレビューし、この分野の課題と進歩を強調します。
論文 参考訳（メタデータ） (2024-08-30T07:38:28Z) - Advancing 3D Point Cloud Understanding through Deep Transfer Learning: A Comprehensive Survey [3.929140365559557]
本稿では,ディープラーニング(DTL)とドメイン適応(DA)を用いた最新の3DPC理解手法について概観する。
本稿では,3DPCオブジェクト検出,セマンティックラベリング,セグメンテーション,分類,登録,ダウンサンプリング/アップサンプリング,デノナイズなど,さまざまな応用について述べる。
論文 参考訳（メタデータ） (2024-07-25T08:47:27Z) - A Survey of Label-Efficient Deep Learning for 3D Point Clouds [109.07889215814589]
本稿では,点雲のラベル効率学習に関する包括的調査を行う。
本稿では,ラベルの種類によって提供されるデータ前提条件に基づいて,ラベル効率のよい学習手法を整理する分類法を提案する。
それぞれのアプローチについて、問題設定の概要と、関連する進展と課題を示す広範な文献レビューを提供する。
論文 参考訳（メタデータ） (2023-05-31T12:54:51Z) - Spatiotemporal Self-supervised Learning for Point Clouds in the Wild [65.56679416475943]
空間領域と時間領域の両方で正のペアを利用するSSL戦略を導入する。
2つの大規模LiDARデータセット上で,自己教師型トレーニングによって実施した広範囲な実験を通じて,このアプローチのメリットを実証する。
論文 参考訳（メタデータ） (2023-03-28T18:06:22Z) - A Survey on Self-supervised Learning: Algorithms, Applications, and Future Trends [82.64268080902742]
自己教師付き学習(SSL)は、ラベル付きラベルを頼らずにラベル付きデータから識別的特徴を学習することを目的としている。
SSLは最近大きな注目を集め、多くの関連するアルゴリズムの開発に繋がった。
本稿では,アルゴリズム的側面,アプリケーション領域,3つの重要なトレンド,オープンな研究課題を含む,多様なSSL手法のレビューを行う。
論文 参考訳（メタデータ） (2023-01-13T14:41:05Z) - Open-Set Semi-Supervised Learning for 3D Point Cloud Understanding [62.17020485045456]
半教師付き学習(SSL)では、ラベル付きデータと同じ分布からラベル付きデータが引き出されることが一般的である。
サンプル重み付けによりラベルなしデータを選択的に活用することを提案する。
論文 参考訳（メタデータ） (2022-05-02T16:09:17Z) - DATA: Domain-Aware and Task-Aware Pre-training [94.62676913928831]
我々は、自己教師付き学習(SSL)に特化した、シンプルで効果的なNASアプローチであるDataを提示する。
提案手法は,画像分類,オブジェクト検出,セマンティックセグメンテーションなど,下流タスクにおける計算コストの広い範囲にわたる有望な結果を実現する。
論文 参考訳（メタデータ） (2022-03-17T02:38:49Z) - Point Discriminative Learning for Unsupervised Representation Learning
on 3D Point Clouds [54.31515001741987]
3次元点雲上での教師なし表現学習のための点識別学習法を提案する。
我々は、中間レベルとグローバルレベルの特徴に新しい点識別損失を課すことにより、これを達成した。
提案手法は強力な表現を学習し,新しい最先端性能を実現する。
論文 参考訳（メタデータ） (2021-08-04T15:11:48Z)
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。