論文の概要: Sketchy Bounding-box Supervision for 3D Instance Segmentation

• arxiv url: http://arxiv.org/abs/2505.16399v1
• Date: Thu, 22 May 2025 08:49:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:48.161143
• Title: Sketchy Bounding-box Supervision for 3D Instance Segmentation
• Title（参考訳）: 3次元インスタンスセグメンテーションのためのスケッチィバウンディングボックススーパービジョン
• Authors: Qian Deng, Le Hui, Jin Xie, Jian Yang,
• Abstract要約: 弱教師付き3DインスタンスセグメンテーションフレームワークであるSketchy-3DISを提案する。 まず,2つのスケッチ付きバウンディングボックス間の重なり合う部分に位置する点を適切なインスタンスに割り当てることについて,適応的に学習する。 次に、まず、ポイントクラウド全体から粗いインスタンスを予測し、粗いインスタンスの領域に基づいて細かなインスタンスを学習する粗いインスタンスセグメンテータを提示します。
• 参考スコア（独自算出の注目度）: 27.26709842992742
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bounding box supervision has gained considerable attention in weakly supervised 3D instance segmentation. While this approach alleviates the need for extensive point-level annotations, obtaining accurate bounding boxes in practical applications remains challenging. To this end, we explore the inaccurate bounding box, named sketchy bounding box, which is imitated through perturbing ground truth bounding box by adding scaling, translation, and rotation. In this paper, we propose Sketchy-3DIS, a novel weakly 3D instance segmentation framework, which jointly learns pseudo labeler and segmentator to improve the performance under the sketchy bounding-box supervisions. Specifically, we first propose an adaptive box-to-point pseudo labeler that adaptively learns to assign points located in the overlapped parts between two sketchy bounding boxes to the correct instance, resulting in compact and pure pseudo instance labels. Then, we present a coarse-to-fine instance segmentator that first predicts coarse instances from the entire point cloud and then learns fine instances based on the region of coarse instances. Finally, by using the pseudo instance labels to supervise the instance segmentator, we can gradually generate high-quality instances through joint training. Extensive experiments show that our method achieves state-of-the-art performance on both the ScanNetV2 and S3DIS benchmarks, and even outperforms several fully supervised methods using sketchy bounding boxes. Code is available at https://github.com/dengq7/Sketchy-3DIS.
• Abstract（参考訳）: 境界ボックスの監視は、弱教師付き3Dインスタンスセグメンテーションにおいてかなりの注目を集めている。 このアプローチは、広範なポイントレベルのアノテーションの必要性を軽減するが、実用的なアプリケーションで正確なバウンディングボックスを取得することは、依然として困難である。 この目的のために, スケーリング, 翻訳, 回転を加えて, 摂動する地中真実境界ボックスによって模倣される, 不正確な境界ボックスであるスケッチリー境界ボックスを探索する。 本稿では,Sketchy-3DISを提案する。Sketchy-3DISは,スケッチなバウンディングボックス管理の下で,擬似ラベルとセグメンテータを共同で学習し,性能を向上する新しい3次元インスタンスセグメンテーションフレームワークである。 具体的には,まず,2つのスケッチ付きバウンディングボックス間の重なり合う部分に位置する点を適切なインスタンスに割り当てることについて,適応的に学習し,コンパクトかつ純粋な擬似インスタンスラベルを生成する適応型ボックスツーポイント擬似ラベルを提案する。 次に、まず、ポイントクラウド全体から粗いインスタンスを予測し、粗いインスタンスの領域に基づいて細かなインスタンスを学習する粗いインスタンスセグメンテータを提案する。 最後に、擬似インスタンスラベルを使用してインスタンスセグメンテータを監督することにより、共同トレーニングによって徐々に高品質なインスタンスを生成することができる。 ScanNetV2 と S3DIS のベンチマークにおいて,本手法は最先端の性能を達成し,スケッチ付きバウンディングボックスを用いた完全教師付き手法よりも優れていた。 コードはhttps://github.com/dengq7/Sketchy-3DISで入手できる。

関連論文リスト

• Bayesian Self-Training for Semi-Supervised 3D Segmentation [59.544558398992386]
  3Dセグメンテーションはコンピュータビジョンの中核的な問題である。 完全に教師されたトレーニングを採用するために、3Dポイントクラウドを密にラベル付けすることは、労働集約的で高価です。 半教師付きトレーニングは、ラベル付きデータの小さなセットのみを付与し、より大きなラベル付きデータセットを伴って、より実用的な代替手段を提供する。
  論文  参考訳（メタデータ） (2024-09-12T14:54:31Z)
• When 3D Bounding-Box Meets SAM: Point Cloud Instance Segmentation with Weak-and-Noisy Supervision [20.625754683390536]
  本稿では,CIP-WPIS法を提案する。 2次元基礎モデルSAMと3次元幾何に埋め込まれた事前学習知識を活用し、正確なポイントワイズ・インスタンス・ラベルを実現する。 提案手法は,ノイズの多い3次元境界ボックスアノテーションに対して頑健であり,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-09-02T05:17:03Z)
• 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)
• Box2Mask: Weakly Supervised 3D Semantic Instance Segmentation Using Bounding Boxes [38.60444957213202]
  弱教師付き3Dセマンティックインスタンスセグメンテーションについて検討する。 キーとなるアイデアは、3Dバウンディングボックスラベルを活用することだ。 境界ボックスラベルのみを用いて高密度セグメンテーションモデルを訓練することが可能であることを示す。
  論文  参考訳（メタデータ） (2022-06-02T17:59:57Z)
• Box2Seg: Learning Semantics of 3D Point Clouds with Box-Level Supervision [65.19589997822155]
  我々は3Dポイントクラウドのポイントレベルのセマンティクスをバウンディングボックスレベルの監視で学習するために,Box2Segと呼ばれるニューラルアーキテクチャを導入する。 提案するネットワークは,安価な,あるいは既定のバウンディングボックスレベルのアノテーションやサブクラウドレベルのタグでトレーニング可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-09T09:07:48Z)

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。