Weakly supervised learning for 3D mesh segmentation via pixel-level labeling

Wen Wu

doi:10.1016/j.cad.2026.104109

Weakly supervised learning for 3D mesh segmentation via pixel-level labeling

2026-09-29

0

PRE

AI

DOI：10.1016/j.cad.2026.104109

原文链接

原文求助

摘要

En 中文

基于深度学习的3D网格分割方法通常依赖密集标注和全监督训练，这些方法成本高昂且难以扩展到多样化场景。本文提出了一种轻量级标注方案和相应的弱监督学习框架，在显著降低标注成本的同时保持有竞争力的性能。首先，我们将2D渲染图像的像素级标签投影回网格面，生成两个弱标注数据集。然后，我们引入一种实例特定的标签传播方法，利用几何和拓扑线索从稀疏标注生成密集伪标签。最后，我们提出一种鲁棒的标签学习策略，逐步利用可靠性不断增加的样本，并在自训练过程中引入噪声抑制损失以提高伪标签质量。在两个广泛使用的基准数据集（即COSEG和人体数据集）上的大量实验表明，我们的方法在标注成本仅为2%至5%的情况下，性能可媲美最先进的全监督方法。

Keyword:

Geometric deep learning

3D mesh segmentation

Pixel-level mesh labeling

Weakly supervised learning

Noisy labels

Weakly supervised learning for 3D mesh segmentation via pixel-level labeling

摘要

期刊

机构

引用论文