現実に戻る:形状ガイドラベル強調による弱教師つき3Dオブジェクト検出【JST・京大機械翻訳】

Xu Xiuwei; Wang Yifan; Zheng Yu; Rao Yongming; Zhou Jie; Lu Jiwen

プレプリント

J-GLOBAL ID：202202201058896705 整理番号：22P0301888

現実に戻る:形状ガイドラベル強調による弱教師つき3Dオブジェクト検出【JST・京大機械翻訳】

Back to Reality: Weakly-supervised 3D Object Detection with Shape-guided Label Enhancement

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月10日プレプリントサーバーでの情報更新日： 2022年03月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,位置レベルアノテーション(即ち,オブジェクトセンターのアノテーション)を持つ強い3D検出器を訓練することを可能にする3D物体検出のための弱教師つきアプローチを提案した。ボックスアノテーションから中心への情報損失を修復するために,著者らの方法,すなわち,バックからリアリティ(BR)は,弱いラベルをより強力な監視として完全注釈付き仮想シーンに変換するために合成3D形状を利用し,次に実際のラベルを補完し,精密化するために完全な仮想ラベルを利用する。特に,位置レベルアノテーションから抽出した粗いシーンレイアウトに従って,3D形状を物理的に妥当な仮想シーンに集合させた。次に,仮想シーンによる検出器の訓練を,弱いラベルを洗練し,さらに超視する仮想から実際のドメイン適応法を適用することにより,現実に戻った。さらに,BRのポテンシャルをより良く示すために,物体サイズにおいてより多様性を持つ屋内3D物体検出に対するより挑戦的なベネクマークを提案した。ラベリング労働の5%未満において,著者らは広く使用されたScanNetデータセットに関して,いくつかの一般的な完全に監督されたアプローチで同等の検出性能を達成した。コードは,https://github.com/wyf ACCEPT/BackToRealityで利用可能である。【JST・京大機械翻訳】

, , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, , , ,

前のページに戻る