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。
登録3Dポイントクラウドの収集とラベリングは,高価である。その結果,訓練のための3D資源は,2D画像対応物と比較して,通常量で制限される。本研究では,RGB-D画像による強い2Dモデルから知識を転送することにより,3Dタスクのデータ不足課題を扱う。特に,2D画像に対する強力で十分に訓練された意味セグメンテーションモデルを利用して,擬似ラベルを持つRGB-D画像を強化した。次に,拡張データセットを用いて,3Dモデルを事前訓練することができた。最後に,少数のラベル付き3Dインスタンスの簡単な微調整により,提案手法は,3Dラベル効率に対して調整した既存の最先端技術よりも既に優れている。また,平均教師とエントロピー最小化の結果は,事前訓練により改善でき,移動知識が半教師つき設定において有用であることを示した。2つの一般的な3Dモデルと3つの異なるタスクに対する著者らのアプローチの有効性を検証した。ScanNet公式評価において,著者らは,データ効率的追跡に関する新規最先端の意味セグメンテーション結果を確立した。【JST・京大機械翻訳】