論文の概要: Adaptive Annotation Distribution for Weakly Supervised Point Cloud Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2312.06259v1
• Date: Mon, 11 Dec 2023 09:57:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-12 16:21:36.163075
• Title: Adaptive Annotation Distribution for Weakly Supervised Point Cloud Semantic Segmentation
• Title（参考訳）: 弱教師付き点クラウドセマンティクスセグメンテーションのための適応的アノテーション分布
• Authors: Zhiyi Pan and Nan Zhang and Wei Gao and Shan Liu and Ge Li
• Abstract要約: 弱教師付きポイントクラウド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適応型アノテーション分布法を提案する。 具体的には、勾配サンプリング近似解析に確率密度関数を導入する。 非一様分散スパースアノテーションによる勾配バイアスを軽減するために、勾配校正関数として乗法動的エントロピーを設計する。
• 参考スコア（独自算出の注目度）: 41.49585975597466
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weakly supervised point cloud semantic segmentation has attracted a lot of attention due to its ability to alleviate the heavy reliance on fine-grained annotations of point clouds. However, in practice, sparse annotation usually exhibits a distinct non-uniform distribution in point cloud, which poses challenges for weak supervision. To address these issues, we propose an adaptive annotation distribution method for weakly supervised point cloud semantic segmentation. Specifically, we introduce the probability density function into the gradient sampling approximation analysis and investigate the impact of sparse annotations distributions. Based on our analysis, we propose a label-aware point cloud downsampling strategy to increase the proportion of annotations involved in the training stage. Furthermore, we design the multiplicative dynamic entropy as the gradient calibration function to mitigate the gradient bias caused by non-uniformly distributed sparse annotations and explicitly reduce the epistemic uncertainty. Without any prior restrictions and additional information, our proposed method achieves comprehensive performance improvements at multiple label rates with different annotation distributions on S3DIS, ScanNetV2 and SemanticKITTI.
• Abstract（参考訳）: 弱い教師付きポイントクラウドセマンティクスセグメンテーションは、ポイントクラウドの細かなアノテーションへの依存を緩和する能力から、多くの注目を集めている。 しかし、実際には、スパースアノテーションは通常、点雲に異なる一様でない分布を示し、弱い監督の課題を引き起こす。 そこで本研究では,弱教師付きポイントクラウドセマンティクスセグメンテーションのための適応的アノテーション分散手法を提案する。 具体的には,勾配サンプリング近似解析に確率密度関数を導入し,分散アノテーション分布の影響について検討する。 そこで本研究では,トレーニング段階におけるアノテーションの割合を増大させるため,ラベル対応のクラウドサンプリング戦略を提案する。 さらに,非一様分布のスパースアノテーションによる勾配バイアスを軽減するために,勾配校正関数として乗法動的エントロピーを設計し,認識的不確かさを明示的に低減する。 S3DIS, ScanNetV2, SemanticKITTI のアノテーション分布の異なる複数のラベルレートで, 事前の制限や追加情報なしで総合的な性能向上を実現する。

関連論文リスト

• Beyond Point Annotation: A Weakly Supervised Network Guided by Multi-Level Labels Generated from Four-Point Annotation for Thyroid Nodule Segmentation in Ultrasound Image [8.132809580086565]
  微妙な結節セグメンテーションの制約を洗練するために、4点アノテーションから多レベルラベルを生成する弱教師付きネットワークを提案する。 提案するネットワークは,2つの公開データセットにおいて,精度とロバスト性に関して,既存の弱教師付き手法よりも優れている。
  論文  参考訳（メタデータ） (2024-10-25T06:34:53Z)
• Distribution Guidance Network for Weakly Supervised Point Cloud Semantic Segmentation [40.17482809009576]
  弱監督下で特徴空間を規制することで補助的制約を与える新しい視点を導入する。 本研究では,弱教師付き学習部と分散アライメント部とからなる分散誘導ネットワーク(DGNet)を開発した。
  論文  参考訳（メタデータ） (2024-10-10T16:33:27Z)
• Towards the Uncharted: Density-Descending Feature Perturbation for Semi-supervised Semantic Segmentation [51.66997548477913]
  本稿では,DDFP(Dedentity-Descending Feature Perturbation)という特徴レベルの一貫性学習フレームワークを提案する。 半教師付き学習における低密度分離仮定にインスパイアされた私たちの重要な洞察は、特徴密度はセグメンテーション分類器が探索する最も有望な方向の光を放つことができるということである。 提案したDFFPは、機能レベルの摂動に関する他の設計よりも優れており、Pascal VOCとCityscapesのデータセット上でのアートパフォーマンスの状態を示している。
  論文  参考訳（メタデータ） (2024-03-11T06:59:05Z)
• Multi-View Knowledge Distillation from Crowd Annotations for Out-of-Domain Generalization [53.24606510691877]
  本稿では,既存の手法による分布を集約することで,クラウドアノテーションからソフトラベルを取得する新しい手法を提案する。 これらのアグリゲーション手法は、ドメイン外テストセット上の4つのNLPタスクにおいて、最も一貫したパフォーマンスをもたらすことを実証する。
  論文  参考訳（メタデータ） (2022-12-19T12:40:18Z)
• 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)
• Guided Point Contrastive Learning for Semi-supervised Point Cloud Semantic Segmentation [90.2445084743881]
  そこで本研究では,モデル性能を向上させるために,未ラベルの点群をトレーニングに採用するための半教師付き点群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提案する。 近年の自己監督型タスクのコントラスト損失に触発されて,特徴表現とモデル一般化能力を高めるためのガイド付きポイントコントラスト損失を提案する。
  論文  参考訳（メタデータ） (2021-10-15T16:38:54Z)
• SQN: Weakly-Supervised Semantic Segmentation of Large-Scale 3D Point Clouds [69.97213386812969]
  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。
  論文  参考訳（メタデータ） (2021-04-11T01:29:50Z)
• Scribble-Supervised Semantic Segmentation by Uncertainty Reduction on Neural Representation and Self-Supervision on Neural Eigenspace [21.321005898976253]
  Scribble-supervised セマンティックセグメンテーションは、最近、高品質のアノテーションのない有望なパフォーマンスで多くの注目を集めています。 この研究は、追加情報やその他の制限なしに直接スクリブルアノテーションによってセマンティックセグメンテーションを達成することを目的とする。 本稿では,神経表現におけるエントロピーの最小化とネットワーク埋め込みランダムウォークによる不確実性低減を含む総合的操作を提案する。
  論文  参考訳（メタデータ） (2021-02-19T12:33:57Z)

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。