用于弱监督三维场景语义分割的主动自训练

摘要：由于准备用于训练点云语义分割网络的标记数据是一个耗时的过程，因此引入了弱监督方法，以仅从少量数据中学习。这些方法通常基于对比损失学习，同时从稀疏的用户标注标签中自动推导每个点的伪标签。在本文中，我们的关键观察是，选择哪些样本进行标注与如何使用这些样本进行训练一样重要。因此，我们提出了一种结合自训练和主动学习的三维场景弱监督分割方法。主动学习选择那些可能提升训练模型的标注点，而自训练则有效利用用户提供的标签来学习模型。我们证明了我们的方法提供了一种有效的方法，在场景分割方面比以往的工作和基准有了提升，同时只需少量用户标注。