开放世界中的三维室内实例分割
原文中文,约500字,阅读约需2分钟。发表于: 。已有的 3D 实例分割方法通常假设在训练过程中可获取所有待分割的语义类别,并在推理时仅分割已见类别。我们认为这种封闭世界的假设过于限制,首次探索了在开放世界环境中进行 3D 室内实例分割,使模型能够区分已知类别,并将未知对象标注为未知,并在相应的类别标签可用时逐步学习未知对象的语义类别。为此,我们引入了一种开放世界的 3D...
该文介绍了一种开放世界的 3D 室内实例分割方法,能够区分已知类别并将未知对象标注为未知,并在相应的类别标签可用时逐步学习未知对象的语义类别。该方法采用自动标注方案在训练过程中生成伪标签,并引入分离机制来区分已知和未知类别标签。在推理过程中,通过基于目标性得分分布调整未知类别概率的方法改进了伪标签的质量。该方法在基于真实场景的谨慎策划的开放世界数据集上进行了广泛的实验,证明了其有效性。