面向模态无关的标签有效分割：基于熵正则化的分布对齐
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了在仅有稀疏真实标签的情况下进行有效分割的难题，特别是针对2D和3D数据分割中的标签效率问题。我们提出了一种新颖的学习策略，通过熵正则化损失和分布对齐损失来规范生成的伪标签，从而缩小伪标签与模型预测之间的差距。这一方法在多种数据模态上均表现出色，显著提高了标签效率和模型性能。
本文介绍了一种弱监督的语义分割方法，通过整体场景标注来预测点云的点级标签，性能与全监督方法相当。核心思想是通过无监督聚类进行过分割，通过二分匹配将场景级标签与簇关联，仅将场景标签传递给相关簇。实验证明过分割和二分分配起关键作用。在ScanNet和S3DIS数据集上评估，性能优于现有技术，可达到全监督方法的结果。
