本文提出了一种具有挑战性的 referring expression 分割任务，在这里引入了 2D 和 3D 信号来解决寻找遮挡物的问题，并使用 OCID-Ref 数据集验证这一方法的有效性。

Mar, 2021

通过利用深度融合技术和深度学习的物体检测和语义分割算法，我们成功地解决了在复杂场景中感知目标物体的问题，并在 Amazon Picking Challenge2016 和紧急响应场景数据集上进行了验证。

Oct, 2018

我们提出了 ObjectLab 算法，用于检测目标检测标签中的各种错误，包括：漏掉的边界框、位置错误的边界框和错误的类别标签分配。ObjectLab 利用任何经过训练的目标检测模型对每个图像的标签质量进行评分，从而可以自动优先考虑进行标签的审查和修正。适当处理错误数据可训练出更好的目标检测模型的版本，而无需更改现有的建模代码。ObjectLab 在不同的目标检测数据集（包括 COCO）和不同的模型（包括 Detectron-X101 和 Faster-RCNN）上始终比其他标签质量评分方法更准确地检测到注释错误的存在。

Sep, 2023

通过融合 LiDAR 和相机数据的学习目标检测方法需要带有标签的训练样本，然而某些特定应用（如仓储机器人或自动化基础设施）需要在现有数据集中没有的语义类别。因此，为了促进快速创建多模态目标检测数据集并减轻人工标注的负担，我们提出了一种新颖的自动标注流程。我们的方法使用室内定位系统（IPS）为点云和图像生成准确的检测标签，完全消除了手动标注的需求。在一项实验中，该系统比与人类基准相比，快速标注感兴趣的物体的速度提高了 261.8 倍，并将端到端数据集创建速度加快了 61.5%。

Dec, 2023

本文介绍一种通过 2D 和 3D 信息交互的方式，构建一个鲁棒性强且方便使用的注释工具，以有效及方便地对大量 3D 场景数据进行分割和注释，并提供一份使用该工具注释的数据集。

Oct, 2016

该论文提出了一个自超视自学的物体分割系统，其训练过程利用了点云的超分割结果，利用图匹配算法和点云配准结合检测出 3D 假标签上的再现物体模式并生成 2D 掩码。实验证明，该方法在真实和合成的视频数据集上的表现优于现有的无监督方法。

Apr, 2023

使用 3D 神经场联合表示几何、颜色和语义，通过手持 RGB-D 传感器实时重建场景，实现无需训练数据的点云场景的稠密标注，其表现优于训练集大、标注成本高的图像分割标准方法，并可以通过用户定义实时更新的语义类进行开设方式标注。该模型为多层感知器，可实时从头开始学习场景的神经表示，能够在实时更新和可视化场景模型的同时比常规方法更加高效地标注。可以通过只点击多个点标注准确的 10 个以上语义类别的房间或类似场景，定量标注精度的提高取决于点击次数，且迅速超越标准预先训练的语义分割方法。此外，我们还展示了一种分层标注变体。

Nov, 2021

本文介绍了一种通过 RGBD 相机采集物体的多角度视频，结合现有的重构技术生成 3D 稠密重构，并利用人类辅助 ICP 拟合物体网格标注的方法，从而快速生成高质量的 RGBD 数据集，该数据集可用于代替现有数据集，以加强深度神经网络训练，使其在物体分割和姿态估计方面性能进一步提高。

Jul, 2017

本文介绍了一种完全自动化的 2D/3D 标注框架，可以在无任何人为干预的情况下，为 RGB-D 扫描生成与可比较的手动注释的数据集（如 ScanNet）相同（或更高）准确度的标签，利用最先进的分割模型的集成和通过神经渲染进行的三维提升，我们的 LabelMaker 流水线的有效性通过为 ScanNet 数据集生成更好的标签并自动标注先前未标记的 ARKitScenes 数据集来进行了演示。

Nov, 2023

该研究提出了一种将半监督学习与通过互动学习相结合的新方法，通过观察场景变化学习和利用视觉一致性，从而实现对物体的操作。在两个基准测试中验证了该方法，取得了卓越的性能。

Jul, 2024