Oct, 2023
注释器：适用于 LiDAR 语义分割的通用主动学习基线
Annotator: A Generic Active Learning Baseline for LiDAR Semantic Segmentation
Binhui Xie, Shuang Li, Qingju Guo, Chi Harold Liu, Xinjing Cheng
TL;DR在 LiDAR 语义分割领域，本文提出了一种通用而高效的主动学习基准模型 Annotator，通过定制化的基于体素的在线选择策略，在每个 LiDAR 扫描中高效地探测和标注显著和典型的体素格点，即使在分布转移下。Annotator 在主动学习、无源域自适应以及域自适应领域表现出色，在 LiDAR 语义分割基准测试中始终保持出色性能，包括从仿真到真实以及真实到真实的各种情境。令人惊讶的是，Annotator 高度高效，只需每个扫描标注五个体素格点，在 SynLiDAR-to-SemanticKITTI 任务中实现了令人印象深刻的性能，分别在主动学习、无源域自适应以及域自适应下达到了 87.8%、88.5% 和 94.4%。我们预计 Annotator 将为标签高效的三维应用提供一种简单、通用且高效的解决方案。