自适应注释分布用于弱监督点云语义分割
原文约300字/词，阅读约需1分钟。发表于：。我们提出了一个适应性注释分布方法用于弱监督点云语义分割，通过概率密度函数分析和标签感知的点云降采样策略，我们设计了一个梯度校准函数来减少非均匀分布的稀疏标注引起的梯度偏差并明确减少认知不确定性，在 S3DIS、ScanNetV2 和 SemanticKITTI 上实现了全面的性能提升。
本论文提出了一种基于对比学习方法的新策略，用于学习强大的点云表示。该方法通过改进特征分布的紧凑性和可分性，嵌入到点云分类网络中。同时，还提出了混淆易感类别挖掘策略和熵感知注意模块来解决混淆问题和识别异常值。实验证明该方法比现有技术表现更好，性能提升显著。
