弱监督点云变换器用于 3D 目标检测
原文中文,约300字,阅读约需1分钟。发表于: 。本文提出了一种用于 3D 物体检测的弱监督点云变换器框架,旨在降低对训练所需监督的数量,以减少对 3D 数据集进行注释的高成本,通过使用投票网络选择高质量的预设锚点,将信息提炼到学生网络和教师网络。
该文介绍了一种基于2D监督的深度图卷积网络框架,用于大规模语义场景点云的分割。该框架通过Graph-based Pyramid Feature Network和Observability Network隐式推断点集的全局和局部特征,并提出了2D-3D联合优化策略用于优化投影过程中的语义信息的加入。实验结果表明,该框架在SUNCG和S3DIS数据集上具有有效性。