論文の概要: Exploring Scene Coherence for Semi-Supervised 3D Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2408.11280v1
• Date: Wed, 21 Aug 2024 02:03:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-22 18:48:55.532540
• Title: Exploring Scene Coherence for Semi-Supervised 3D Semantic Segmentation
• Title（参考訳）: 半監督型3次元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シーンコヒーレンス探索
• Authors: Chuandong Liu, Shuguo Jiang, Xingxing Weng, Lei Yu, Pengcheng Li, Gui-Song Xia,
• Abstract要約: 半教師付きセマンティックセグメンテーションは3次元シーン理解に不可欠である。 半教師付き3次元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シーンコヒーレンス(CoScene)を提案する。 私たちのCoSceneは、構造化されていない、秩序のないポイントクラウドにインスパイアされた、簡単なポイント消去戦略を採用して、シーン内の一貫性を確保します。
• 参考スコア（独自算出の注目度）: 28.480775624544478
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semi-supervised semantic segmentation, which efficiently addresses the limitation of acquiring dense annotations, is essential for 3D scene understanding. Most methods leverage the teacher model to generate pseudo labels, and then guide the learning of the student model on unlabeled scenes. However, they focus only on points with pseudo labels while directly overlooking points without pseudo labels, namely intra-scene inconsistency, leading to semantic ambiguity. Moreover, inter-scene correlation between labeled and unlabeled scenes contribute to transferring rich annotation information, yet this has not been explored for the semi-supervised tasks. To address these two problems, we propose to explore scene coherence for semi-supervised 3D semantic segmentation, dubbed CoScene. Inspired by the unstructured and unordered nature of the point clouds, our CoScene adopts the straightforward point erasure strategy to ensure the intra-scene consistency. Moreover, patch-based data augmentation is proposed to enhance the inter-scene information transfer between labeled and unlabeled scenes at both scene and instance levels. Extensive experimental results on SemanticKITTI and nuScenes show that our approach outperforms existing methods.
• Abstract（参考訳）: 濃密なアノテーションの獲得の限界を効果的に解決する半教師付きセマンティックセマンティックセマンティクスは3次元シーン理解に不可欠である。 ほとんどの方法は教師モデルを利用して擬似ラベルを生成し、未ラベルの場面で生徒モデルの学習を指導する。 しかし、彼らは擬似ラベルを持つ点のみに焦点を当て、擬似ラベルを持たない点、すなわちシーン内不整合を直接見落とし、意味的曖昧さをもたらす。 さらに,ラベル付きシーンとラベルなしシーンのシーン間相関は,リッチなアノテーション情報の伝達に寄与するが,半教師付きタスクについては検討されていない。 これら2つの問題に対処するために,CoSceneと呼ばれる半教師付き3次元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シーンコヒーレンスを提案する。 私たちのCoSceneは、構造化されていない、秩序のないポイントクラウドの性質にインスパイアされ、シーン内の一貫性を確保するために、簡単なポイント消去戦略を採用しています。 さらに、ラベル付きシーンと未ラベルのシーン間のシーン間情報伝達をシーンレベルとインスタンスレベルで促進するために、パッチベースのデータ拡張を提案する。 SemanticKITTI と nuScenes の大規模な実験結果から,本手法が既存手法より優れていることが示された。

関連論文リスト

• Scribble Hides Class: Promoting Scribble-Based Weakly-Supervised Semantic Segmentation with Its Class Label [16.745019028033518]
  画像レベルのクラスから情報を得たスクリブルアノテーションと擬似ラベルと、監督のためのグローバルセマンティクスの両方を利用するクラス駆動型スクリブルプロモーションネットワークを提案する。 スクリブルアノテーションの異なる性質を持つScribbleSupデータセットの実験は、従来の手法よりも優れており、本手法の優位性と堅牢性を示している。
  論文  参考訳（メタデータ） (2024-02-27T14:51:56Z)
• STRAP: Structured Object Affordance Segmentation with Point Supervision [20.56373848741831]
  本研究では,探索されていない二重親和性-空間親和性とラベル親和性を相乗的に受け継いだ,点監督による割当セグメンテーションについて検討する。 新しいドメインのラベルを効果的にデジタイズすることで、ラベル関係を強化する高密度な予測ネットワークを考案する。 実験では,本手法をCAD120データセット上でベンチマークし,従来の手法に比べて大きな性能向上を示した。
  論文  参考訳（メタデータ） (2023-04-17T17:59:49Z)
• Dense FixMatch: a simple semi-supervised learning method for pixel-wise prediction tasks [68.36996813591425]
  Dense FixMatchは,高密度かつ構造化された予測タスクのオンライン半教師付き学習のための簡易な手法である。 我々は、擬似ラベルにマッチング操作を追加することにより、画像分類を超えた半教師付き学習問題にFixMatchの適用を可能にする。 Dense FixMatchは、ラベル付きデータのみを使用して教師付き学習と比較すると、結果を著しく改善し、ラベル付きサンプルの1/4でそのパフォーマンスに近づいた。
  論文  参考訳（メタデータ） (2022-10-18T15:02:51Z)
• 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)
• Unsupervised Domain Adaptation with Implicit Pseudo Supervision for Semantic Segmentation [7.748333539159297]
  我々は、ターゲットドメインに関する新たな補完的知識を学ぶために、暗黙的に生成される擬似ラベルによってモデルを訓練する。 GTA5からCityscapes、SynTHIAからCityscapesタスクへの実験は、提案手法が大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-14T04:06:22Z)
• Scaling up Multi-domain Semantic Segmentation with Sentence Embeddings [81.09026586111811]
  ゼロショット設定に適用した場合、最先端の教師付き性能を実現するセマンティックセマンティックセマンティクスへのアプローチを提案する。 これは各クラスラベルを、クラスを記述する短い段落のベクトル値の埋め込みに置き換えることによって達成される。 結果として得られた200万以上の画像の統合セマンティックセグメンテーションデータセットは、7つのベンチマークデータセット上の最先端の教師付きメソッドと同等のパフォーマンスを達成するモデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2022-02-04T07:19:09Z)
• GuidedMix-Net: Semi-supervised Semantic Segmentation by Using Labeled Images as Reference [90.5402652758316]
  半教師付き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新しい手法である GuidedMix-Net を提案する。 ラベル付き情報を使用して、ラベルなしのインスタンスの学習をガイドする。 競合セグメンテーションの精度を達成し、mIoUを以前のアプローチに比べて+7$%大きく改善する。
  論文  参考訳（メタデータ） (2021-12-28T06:48:03Z)
• Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with Self-Supervised Depth Estimation [94.16816278191477]
  本稿では,セミアダプティブなセマンティック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フレームワークを提案する。 ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。 提案したモデルをCityscapesデータセット上で検証する。
  論文  参考訳（メタデータ） (2021-08-28T01:33:38Z)
• Semi-Supervised Semantic Segmentation with Cross Pseudo Supervision [56.950950382415925]
  クロス擬似監督(CPS)と呼ばれる新しい整合性正規化手法を提案する。 CPS整合性には2つの役割がある: 同じ入力画像に対する2つの摂動ネットワークの予測間の高い類似性を奨励し、擬似ラベル付きラベル付きラベル付きデータを使用することでトレーニングデータを拡張する。 実験の結果,Cityscapes と PASCAL VOC 2012 を用いた半教師付きセグメンテーション性能が得られた。
  論文  参考訳（メタデータ） (2021-06-02T15:21:56Z)

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。