点对比与标记弱监督分割框架

少量标注实现全量性能

同时利用样本间和样本内点对比学习，并在线精炼伪标签，在仅少量点级标注下实现与全监督相当的点云语义分割性能，显著降低标注成本。

Du, Anan · Zhou, Tianfei · Pang, Shuchao · Wu, Qiang · Zhang, Jian

IEEE Transactions on Multimedia 2024

参数信息

在标注数据仅占

1 %

仅用

0.1 %

仅用

0.1 %

技术优势

仅需少量标注

同时利用样本间和样本内点对比学习，在特征空间中获得更强的判别性，从而在标注极少时仍能保持高性能。

抗伪标签噪声

在线伪标签精炼模块能够生成更可靠的伪标签，减少错误伪标签的负面影响，从而在弱监督下提升分割精度。

应用场景

• 三维场景理解：用少量标注即可获得高精度分割，加速三维场景的语义理解落地。
• 具身智能环境感知：低成本标注即可训练感知模型，提升具身智能体对新环境的适应能力。
• 工业机器人感知：减少产线部署时的点云标注工作量，使工业机器人更快上线高精度感知。
• 无人机环境建模：大幅降低无人机环境建模所需的人工标注成本，支持大规模场景快速建模。