論文の概要: High-quality Pseudo-labeling for Point Cloud Segmentation with Scene-level Annotation

• arxiv url: http://arxiv.org/abs/2506.23227v1
• Date: Sun, 29 Jun 2025 13:17:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.782068
• Title: High-quality Pseudo-labeling for Point Cloud Segmentation with Scene-level Annotation
• Title（参考訳）: シーンレベルアノテーションを用いたポイントクラウドセグメンテーションのための高品質擬似ラベル
• Authors: Lunhao Duan, Shanshan Zhao, Xingxing Weng, Jing Zhang, Gui-Song Xia,
• Abstract要約: 本稿では,シーンレベルのアノテーションに基づく屋内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について検討する。 現在のメソッドはまずポイントレベルの擬似ラベルを生成し、セグメンテーションモデルをトレーニングするために使用される。 精度を高めるために,高品質な擬似ラベル生成フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 32.03087826213936
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper investigates indoor point cloud semantic segmentation under scene-level annotation, which is less explored compared to methods relying on sparse point-level labels. In the absence of precise point-level labels, current methods first generate point-level pseudo-labels, which are then used to train segmentation models. However, generating accurate pseudo-labels for each point solely based on scene-level annotations poses a considerable challenge, substantially affecting segmentation performance. Consequently, to enhance accuracy, this paper proposes a high-quality pseudo-label generation framework by exploring contemporary multi-modal information and region-point semantic consistency. Specifically, with a cross-modal feature guidance module, our method utilizes 2D-3D correspondences to align point cloud features with corresponding 2D image pixels, thereby assisting point cloud feature learning. To further alleviate the challenge presented by the scene-level annotation, we introduce a region-point semantic consistency module. It produces regional semantics through a region-voting strategy derived from point-level semantics, which are subsequently employed to guide the point-level semantic predictions. Leveraging the aforementioned modules, our method can rectify inaccurate point-level semantic predictions during training and obtain high-quality pseudo-labels. Significant improvements over previous works on ScanNet v2 and S3DIS datasets under scene-level annotation can demonstrate the effectiveness. Additionally, comprehensive ablation studies validate the contributions of our approach's individual components. The code is available at https://github.com/LHDuan/WSegPC .
• Abstract（参考訳）: 本稿では,シーンレベルのアノテーションに基づく屋内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について検討する。 正確な点レベルのラベルがない場合、現在の手法はまず点レベルの擬似ラベルを生成し、セグメンテーションモデルを訓練するために使用される。 しかし、シーンレベルのアノテーションのみに基づいて各点の正確な擬似ラベルを生成することは、セグメンテーション性能に重大な影響を及ぼす。 そこで本研究では,現代マルチモーダル情報と地域間セマンティック一貫性を探索し,高品質な擬似ラベル生成フレームワークを提案する。 具体的には,クロスモーダルな特徴誘導モジュールを用いて2D-3D対応を利用して,点雲特徴と対応する2次元画像画素を整列させ,点雲特徴学習を支援する。 シーンレベルのアノテーションによってもたらされる課題をさらに緩和するため,領域間のセマンティック一貫性モジュールを導入する。 ポイントレベルのセマンティクスから派生した地域投票戦略を通じて地域セマンティクスを生成し、その後ポイントレベルのセマンティクス予測を導くために使用される。 上記のモジュールを活用することで、トレーニング中に不正確なポイントレベルのセマンティックな予測を正し、高品質な擬似ラベルを得ることができる。 シーンレベルのアノテーションの下でのScanNet v2とS3DISデータセットの以前の作業よりも重要な改善は、その効果を示すことができる。 さらに、包括的なアブレーション研究は、我々のアプローチの個々のコンポーネントの貢献を検証する。 コードはhttps://github.com/LHDuan/WSegPCで入手できる。

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)
• Hypergraph Convolutional Network based Weakly Supervised Point Cloud Semantic Segmentation with Scene-Level Annotations [6.879675320416237]
  シーンレベルのアノテーションからポイントワイズラベルを学習する際の課題に対処するため,新たにWHCNと呼ばれるハイパーグラフ畳み込みネットワーク方式を提案する。 実験により,提案したWHCNはシーンアノテーションを用いたポイントラベルの予測に有効であることが示され,コミュニティにおける最先端の成果が得られた。
  論文  参考訳（メタデータ） (2022-11-02T14:49:46Z)
• 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)
• 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 Adaptive Transformations for Weakly Supervised Point Cloud Segmentation [78.6612285236938]
  弱制御点雲分割のための新しいDATモデル(textbfDual textbfAdaptive textbfTransformations)を提案する。 我々は,大規模S3DISデータセットとScanNet-V2データセットの2つの人気バックボーンを用いたDATモデルの評価を行った。
  論文  参考訳（メタデータ） (2022-07-19T05:43:14Z)
• 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)
• Label-Efficient Point Cloud Semantic Segmentation: An Active Learning Approach [35.23982484919796]
  公平なベンチマークを可能にするため,より現実的なアノテーションカウント方式を提案する。 ラベル付け予算をより活用するために、スーパーポイントベースのアクティブラーニング戦略を採用する。 2つのベンチマークデータセットの実験は、提案されたアクティブラーニング戦略の有効性を示しています。
  論文  参考訳（メタデータ） (2021-01-18T08:37:21Z)
• 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。