.png){kind=icon}
返回
Weakly supervised point cloud semantic segmentation using pseudo-label reliability and consistency regularization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.130241.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
弱监督点云语义分割利用稀疏3D标签有效降低了标注密集3D标签的高昂成本。本文探索了弱监督点云语义分割中的伪标签和一致性正则化技术，并提出了一种基于伪标签可靠性的稀疏卷积网络一致性正则化方法。我们发现基于置信度选择的伪标签存在问题，因为高置信度但错误的标签会被选中，而低置信度但可能有用的标签会被丢弃。为解决这些挑战，我们结合置信度和不确定性来衡量伪标签的可靠性，并根据此可靠性应用不同的约束条件。我们还采用熵正则化损失以更准确地区分伪标签的可靠性。考虑到训练策略对模型性能的显著影响，我们研究了与一致性正则化相关的增强点云和分布对齐损失对模型训练的影响。在两个最流行的大规模基准数据集S3DIS和ScanNet上进行的广泛实验证明了我们提出方法的有效性。实验结果表明，我们的方法在弱监督点云语义分割中达到了最优性能。
Keyword:
Weakly supervised
Point cloud
Semantic segmentation
Pseudo-label
Consistency regularization
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
引用论文
PA-Net: Trustworthy weakly supervised point cloud semantic segmentation with primary-auxiliary structurePa-net: 主辅结构的可信弱监督点云语义分割
PREAI
分享收藏Semantic Segmentation for Real Point Cloud Scenes via Bilateral Augmentation and Adaptive Fusion
OAAI
OAAI分享收藏IEFM and IDS: Enhancing 3D environment perception via information encoding in indoor point cloud semantic segmentation.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏分享收藏
Mining local geometric structure for large-scale 3D point clouds semantic segmentation面向大规模三维点云语义分割的局部几何结构挖掘NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Reliability-Adaptive Consistency Regularization for Weakly-Supervised Point Cloud Segmentation弱监督点云分割的可靠性自适应一致性正则化OAAI
OAAI分享收藏
查看更多内容