抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】