論文の概要: Discwise Active Learning for LiDAR Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2309.13276v1
• Date: Sat, 23 Sep 2023 06:08:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-09-26 20:52:16.289965
• Title: Discwise Active Learning for LiDAR Semantic Segmentation
• Title（参考訳）: LiDARセマンティックセグメンテーションのための離散能動学習
• Authors: Ozan Unal and Dengxin Dai and Ali Tamer Unal and Luc Van Gool
• Abstract要約: アクティブラーニング(AL)は、データセットを反復的かつインテリジェントにラベル付けできるソリューションを提供する。 我々は,各イテレーションにおいて,グローバル座標上の1フレームの領域を問合せし,全フレームを同時にラベル付けするディスクワイズアプローチ(DiAL)を提案する。
• 参考スコア（独自算出の注目度）: 92.92714645987083
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While LiDAR data acquisition is easy, labeling for semantic segmentation remains highly time consuming and must therefore be done selectively. Active learning (AL) provides a solution that can iteratively and intelligently label a dataset while retaining high performance and a low budget. In this work we explore AL for LiDAR semantic segmentation. As a human expert is a component of the pipeline, a practical framework must consider common labeling techniques such as sequential labeling that drastically improve annotation times. We therefore propose a discwise approach (DiAL), where in each iteration, we query the region a single frame covers on global coordinates, labeling all frames simultaneously. We then tackle the two major challenges that emerge with discwise AL. Firstly we devise a new acquisition function that takes 3D point density changes into consideration which arise due to location changes or ego-vehicle motion. Next we solve a mixed-integer linear program that provides a general solution to the selection of multiple frames while taking into consideration the possibilities of disc intersections. Finally we propose a semi-supervised learning approach to utilize all frames within our dataset and improve performance.
• Abstract（参考訳）: LiDARデータ取得は簡単だが、セマンティックセグメンテーションのラベル付けには時間がかかるため、選択的に行う必要がある。 アクティブラーニング(AL)は、高パフォーマンスと低予算を維持しながらデータセットを反復的かつインテリジェントにラベル付けできるソリューションを提供する。 本稿では,LiDARセマンティックセグメンテーションのためのALについて検討する。 人間の専門家はパイプラインのコンポーネントであるため、実用的なフレームワークはアノテーションの時間を大幅に改善するシーケンシャルラベリングのような一般的なラベリング技術を考慮する必要があります。 そこで我々は,各イテレーションにおいて,ひとつのフレームがグローバル座標をカバーし,すべてのフレームを同時にラベル付けする領域を問合せする,離散的アプローチ(DiAL)を提案する。 次に、ディスクワイドALで現れる2つの大きな課題に取り組む。 まず,位置変化や自走車運動に起因する3次元点密度変化を考慮した新たな取得関数を考案する。 次に,複数フレームの選択に対する汎用的な解法を提供しながら,ディスク交叉の可能性を考慮した混合整数線形プログラムを解く。 最後に,データセット内の全フレームを活用し,パフォーマンスを向上させるための半教師付き学習手法を提案する。

関連論文リスト

• Label-Efficient LiDAR Panoptic Segmentation [22.440065488051047]
  Limited-Label LiDAR Panoptic (L3PS) 我々は,アノテート画像からパノプティカルな擬似ラベルを生成するラベル効率のよい2Dネットワークを開発した。 次に、点雲の幾何学的性質を生かした新しい3Dリファインメントモジュールを導入する。
  論文  参考訳（メタデータ） (2025-03-04T07:58:15Z)
• A Data-efficient Framework for Robotics Large-scale LiDAR Scene Parsing [10.497309421830671]
  既存の最先端の3Dポイントクラウド理解手法は、完全に教師された方法でのみうまく機能する。 この研究は、ラベルが制限されているときのポイントクラウドを理解するための、汎用的でシンプルなフレームワークを提示している。
  論文  参考訳（メタデータ） (2023-12-03T02:38:51Z)
• ElC-OIS: Ellipsoidal Clustering for Open-World Instance Segmentation on LiDAR Data [13.978966783993146]
  オープンワールドインスタンス(OIS)は、現在の観察に現れるすべてのオブジェクトインスタンスを正確に分割することを目的とした、難しいタスクである。 これは、堅牢な自律ナビゲーションのような安全クリティカルなアプリケーションにとって重要である。 我々は、LiDARポイントクラウドのための柔軟で効果的なOISフレームワークを提案し、既知のインスタンスと未知のインスタンスの両方を正確に分割できる。
  論文  参考訳（メタデータ） (2023-03-08T03:22:11Z)
• 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)
• Image Understands Point Cloud: Weakly Supervised 3D Semantic Segmentation via Association Learning [59.64695628433855]
  ラベルのない画像から補完的な情報を取り入れた3次元セグメンテーションのための新しいクロスモダリティ弱教師付き手法を提案する。 基本的に、ラベルの小さな部分のパワーを最大化するために、アクティブなラベリング戦略を備えたデュアルブランチネットワークを設計する。 提案手法は,1%未満のアクティブなアノテーションで,最先端の完全教師付き競合よりも優れていた。
  論文  参考訳（メタデータ） (2022-09-16T07:59:04Z)
• Warm Start Active Learning with Proxy Labels \& Selection via Semi-Supervised Fine-Tuning [10.086685855244664]
  本稿では,3次元画像セグメンテーションに特化して,アクティブラーニング(AL)のための2つの新しい戦略を提案する。 まず、プロキシタスクを提案し、次にプロキシタスクから発生した不確実性を利用して、アノテートすべきラベルのないデータをランク付けすることで、コールドスタート問題に取り組む。 第2に、未ラベルのデータも第2段階で半教師付き微調整戦略として使用されるように、各アクティブイテレーション毎に2段階の学習フレームワークを構築している。
  論文  参考訳（メタデータ） (2022-09-13T20:21:40Z)
• Collaborative Propagation on Multiple Instance Graphs for 3D Instance Segmentation with Single-point Supervision [63.429704654271475]
  本稿では,1つのオブジェクトを1つのポイントでラベル付けするだけでよい,弱教師付き手法RWSegを提案する。 これらの疎いラベルにより、セマンティック情報とインスタンス情報を伝達する2つの分岐を持つ統一的なフレームワークを導入する。 具体的には、異なるインスタンスグラフ間の競合を促進するクロスグラフ競合ランダムウォークス(CRW)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-10T02:14:39Z)
• Dual-Refinement: Joint Label and Feature Refinement for Unsupervised Domain Adaptive Person Re-Identification [51.98150752331922]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (再ID) は、ターゲットドメインデータのラベルが欠落しているため、難しい作業です。 オフラインクラスタリングフェーズにおける擬似ラベルとオンライントレーニングフェーズにおける特徴を共同で改良する,デュアルリファインメントと呼ばれる新しいアプローチを提案する。 本手法は最先端手法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2020-12-26T07:35:35Z)
• Few-shot 3D Point Cloud Semantic Segmentation [138.80825169240302]
  本稿では,新しい注意型マルチプロトタイプトランスダクティブ・ショットポイント・クラウドセマンティックセマンティック・セマンティクス法を提案する。 提案手法は,雲のセマンティックセマンティックセグメンテーション設定の違いによるベースラインに比べて,顕著で一貫した改善を示す。
  論文  参考訳（メタデータ） (2020-06-22T08:05:25Z)

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。