BriefGPT - AI 论文速递
·
视角鸟瞰语义分割的半监督学习
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种新颖的半监督框架，通过利用未标记的图像提高视觉鸟瞰语义分割的性能。该框架使用一致性损失约束模型在语义预测和BEV特征上，并采用联合旋转的数据增强方法扩充数据集。实验证明该框架可以有效提高预测准确性。这是第一项利用未标记数据改进视觉BEV语义分割性能的工作。
🎯
关键要点
- 提出了一种新颖的半监督框架，利用未标记的图像提高视觉鸟瞰语义分割性能。
- 框架使用一致性损失约束模型在语义预测和BEV特征上。
- 采用联合旋转的数据增强方法扩充数据集，保持前视图像与BEV语义分割之间的几何关系。
- 在nuScenes和Argoverse数据集上进行的实验证明该框架有效提高预测准确性。
- 这是第一项利用未标记数据改进视觉BEV语义分割性能的工作，代码将公开提供。
➡️
