Weakly supervised 3D instance segmentation without instance-level annotations

doi:10.1016/j.patcog.2026.114535

Weakly supervised 3D instance segmentation without instance-level annotations

2026-08-17

0

PRE

AI

DOI：10.1016/j.patcog.2026.114535

原文链接

原文求助

摘要

En 中文

3D实例分割通常需要实例级标注，这些标注成本高昂且随场景中物体数量规模增长。为减轻此标注负担，我们提出了一种弱监督3D实例分割框架，仅依赖类别级语义标签，无需任何实例级监督。所需的语义标注可以是密集的或极稀疏的（例如占总点数的0.02%）。在缺乏显式实例线索的情况下，我们首先将点云分割为基本片段，并选择可靠的候选对象以学习实例中心表示。随后，我们利用伪实例构建重组数据集，以促进多层级、形状感知的对象性信号学习。基于此信号，应用一种不对称对象推理策略来分别处理对象核心与边界，从而生成高质量伪实例标签用于迭代训练。实验结果表明，所提方法在ScanNet和S3DIS等3D室内数据集上取得了有竞争力的性能。此外，仅通过语义监督生成伪实例标签，我们的方法可用于降低现有3D实例分割流程的标注成本。

Keyword:

3D scene understanding

Weakly supervised learning

Instance segmentation

Weakly supervised 3D instance segmentation without instance-level annotations

摘要

期刊

机构

引用论文