抗 60% 标签噪声
专为点云分割设计的噪声自适应框架，无需预知噪声率，通过逐点置信度选择和聚类标签校正，在严重标注噪声下仍接近干净数据训练的性能。
Ye, Shuquan · Chen, Dongdong · Han, Songfang · Liao, Jing
IEEE Transactions on Pattern Analysis and Machine Intelligence 2023
框架是噪声率盲的，能够应对点云数据中空间变化的噪声率，不需要预先估计或设定噪声比例。
通过逐点置信度选择从历史预测中获取可靠标签，并利用聚类投票策略进行标签校正，有效处理实例级标签噪声。
在清理后的真实世界数据集 ScanNetV2 上进行了严格实验，证明了方法的实用性。