論文の概要: 3D Weakly Supervised Semantic Segmentation via Class-Aware and Geometry-Guided Pseudo-Label Refinement

• arxiv url: http://arxiv.org/abs/2510.17875v1
• Date: Fri, 17 Oct 2025 03:53:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:12.247033
• Title: 3D Weakly Supervised Semantic Segmentation via Class-Aware and Geometry-Guided Pseudo-Label Refinement
• Title（参考訳）: クラス認識と幾何誘導型擬似ラベルリファインメントによる3次元重み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
• Authors: Xiaoxu Xu, Xuexun Liu, Jinlong Li, Yitian Yuan, Qiudan Zhang, Lin Ma, Nicu Sebe, Xu Wang,
• Abstract要約: 3D弱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、スパースデータや低コストデータを活用することでセマンティクスセマンティクスセマンティクスを実現することを目的としている。 それまでの作業では、主にクラスアクティベーションマップや事前訓練された視覚言語モデルを使用してこの問題に対処していた。 本稿では,3次元幾何学的先行概念をクラス認識誘導機構に統合した,シンプルで効果的な3次元教師付き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法を提案する。
• 参考スコア（独自算出の注目度）: 49.05272731604324
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D weakly supervised semantic segmentation (3D WSSS) aims to achieve semantic segmentation by leveraging sparse or low-cost annotated data, significantly reducing reliance on dense point-wise annotations. Previous works mainly employ class activation maps or pre-trained vision-language models to address this challenge. However, the low quality of pseudo-labels and the insufficient exploitation of 3D geometric priors jointly create significant technical bottlenecks in developing high-performance 3D WSSS models. In this paper, we propose a simple yet effective 3D weakly supervised semantic segmentation method that integrates 3D geometric priors into a class-aware guidance mechanism to generate high-fidelity pseudo labels. Concretely, our designed methodology first employs Class-Aware Label Refinement module to generate more balanced and accurate pseudo labels for semantic categrories. This initial refinement stage focuses on enhancing label quality through category-specific optimization. Subsequently, the Geometry-Aware Label Refinement component is developed, which strategically integrates implicit 3D geometric constraints to effectively filter out low-confidence pseudo labels that fail to comply with geometric plausibility. Moreover, to address the challenge of extensive unlabeled regions, we propose a Label Update strategy that integrates Self-Training to propagate labels into these areas. This iterative process continuously enhances pseudo-label quality while expanding label coverage, ultimately fostering the development of high-performance 3D WSSS models. Comprehensive experimental validation reveals that our proposed methodology achieves state-of-the-art performance on both ScanNet and S3DIS benchmarks while demonstrating remarkable generalization capability in unsupervised settings, maintaining competitive accuracy through its robust design.
• Abstract（参考訳）: 弱い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(3D WSSS)はスパースや低コストのアノテートデータを活用することでセマンティクスセマンティクスセマンティクスを実現することを目的としており、高密度なポイントワイドアノテーションへの依存を著しく減らしている。 それまでの作業では、主にクラスアクティベーションマップや事前訓練された視覚言語モデルを使用してこの問題に対処していた。 しかし、擬似ラベルの低品質化と3次元幾何学的事前利用の不十分さは、高性能な3D WSSSモデルを開発する上で重要な技術的ボトルネックを共同で生み出している。 本稿では,3次元幾何学的先行概念をクラス認識誘導機構に統合し,高忠実度な擬似ラベルを生成する,シンプルで効果的な3次元教師付き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法を提案する。 具体的には,まずクラス・アウェア・ラベル・リファインメント・モジュールを用いて,セマンティック・カテゴリに対してよりバランスよく正確な擬似ラベルを生成する。 この初期の改良段階は、分類特化最適化によるラベル品質の向上に焦点を当てている。 その後、幾何認識ラベルリファインメント(Geometry-Aware Label Refinement)コンポーネントが開発され、暗黙の3次元幾何学的制約を戦略的に統合し、幾何学的妥当性に適合しない低信頼の擬似ラベルを効果的にフィルタリングする。 さらに,ラベルのない地域が抱える課題に対処するために,ラベルをプロパゲートするために自己評価を統合したラベル更新戦略を提案する。 この反復的なプロセスは、ラベルカバレッジを拡大しながら擬似ラベル品質を継続的に向上させ、最終的には高性能な3D WSSSモデルの開発を促進する。 ScanNetとS3DISのベンチマークにおいて,提案手法は非教師なし設定における顕著な一般化能力を示し,頑健な設計による競争精度の維持を図っている。

関連論文リスト

• HQ-OV3D: A High Box Quality Open-World 3D Detection Framework based on Diffision Model [9.89023516462523]
  本稿では,高品質な擬似ラベルの生成と精巧化を目的とした,ハイボックス品質3D検出(HQ-OV3D)フレームワークを提案する。 HQ-OV3Dは、強力なスタンドアロンのオープンボキャブラリ3D検出器としてだけでなく、既存のオープンボキャブラリ検出やアノテーションパイプラインのためのプラグインの質の高い擬似ラベルジェネレータとしても機能する。
  論文  参考訳（メタデータ） (2025-08-12T18:57:18Z)
• 3DResT: A Strong Baseline for Semi-Supervised 3D Referring Expression Segmentation [73.877177695218]
  3D参照式(3D-RES)は通常、広範囲のインスタンスレベルのアノテーションを必要とします。 半教師付き学習(SSL)は、制限付きラベル付きデータと豊富なラベル付きデータを使用することでこれを緩和し、アノテーションのコストを削減しながらパフォーマンスを向上する。 本稿では,3D-RESのための半教師付き学習フレームワークについて紹介し,3DResTという頑健なベースライン手法を提案する。
  論文  参考訳（メタデータ） (2025-04-17T02:50:52Z)
• SP3D: Boosting Sparsely-Supervised 3D Object Detection via Accurate Cross-Modal Semantic Prompts [13.349110509879312]
  スパース制御された3Dオブジェクト検出は注目され、完全に教師された3Dオブジェクト・オブジェクタに近い性能を実現している。 本研究では,スパースアノテーション設定下での頑健な特徴識別機能を備えた3D検出器の強化を目的とした,SP3Dと呼ばれるブースティング戦略を提案する。 実験により、SP3Dはわずかに観察された検出器の性能を、平均的なラベル付け条件下で大きなマージンで向上させることができることが確認された。
  論文  参考訳（メタデータ） (2025-03-09T06:08:04Z)
• Decoupled Pseudo-labeling for Semi-Supervised Monocular 3D Object Detection [108.672972439282]
  SSM3ODに対するDPL(decoupled pseudo-labeling)アプローチを提案する。 提案手法は,擬似ラベルを効率的に生成するためのDPGモジュールを特徴とする。 また,擬似ラベルの雑音深度監視による最適化競合を軽減するために,DGPモジュールを提案する。
  論文  参考訳（メタデータ） (2024-03-26T05:12:18Z)
• 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)

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。