MAP-Gen:マルチモーダル注意点ジェネレータによる自動3Dボックスアノテーションフロー【JST・京大機械翻訳】

Liu Chang; Qian Xiaoyan; Qi Xiaojuan; Lam Edmund Y.; Tan Siew-Chong; Wong Ngai

プレプリント

J-GLOBAL ID：202202220372134008 整理番号：22P0312350

MAP-Gen:マルチモーダル注意点ジェネレータによる自動3Dボックスアノテーションフロー【JST・京大機械翻訳】

MAP-Gen: An Automated 3D-Box Annotation Flow with Multimodal Attention Point Generator

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29日プレプリントサーバーでの情報更新日： 2022年03月29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)

3Dポイントクラウドを手動で注釈することは,実世界の物体検出における深層学習のための訓練データ準備を制限する,面倒で高価である。2Dボックスのような弱いラベルから3D境界ボックスを自動的に生成するためにはいくつかの以前の研究が試みられているが,その品質は人間の注釈者と比較して準最適である。本研究では,弱い2Dボックスから高品質3Dラベルを生成するマルチモーダル注意点発生器(MAP-Gen)と呼ばれる新しい自動ラベルを提案した。それは,3Dポイントクラウドのスパース性問題に取り組むために,高密度画像情報を利用して,このように,ラベル品質を改良した。各2Dピクセルに対して,MAP-Genは,それらの2D意味的または幾何学的関係に基づくコンテキストポイントを参照することにより,対応する3D座標を予測する。生成された3D点は元のスパース点雲を緻密化し,3D境界ボックスを回帰する符号器が続く。MAP-Genを使用して,2Dボックスによって弱く監督されたオブジェクト検出ネットワークは,3Dアノテーションによって完全に教師つきの94~99%の性能を達成できる。この新しく提案したMAP-Gen自動ラベリングフローは,スパース点クラウドを濃縮するためのマルチモーダル情報の利用に新しい光を投げることができる。【JST・京大機械翻訳】

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

図形・画像処理一般 , 医用画像処理 , パターン認識

, , , ,

前のページに戻る