基于视觉 - 语言基础模型，本研究提出了一种概率标签融合方法，用于从开放集标签测量中预测闭合集语义类别，以增强基于实例感知的语义映射；通过整合各模块构建一个统一的语义映射系统，并通过 ScanNet 和 SceneNN 数据集评估了方法的零样本性能，取得了显著优于传统方法的 40.3 均值平均精度（mAP）的结果。

Feb, 2024

利用深度学习方法和语义信息，本文提出了一种新颖的室内场景分类方法，通过目标检测和语义分割技术获取语义信息，进一步提取基于 Hu 矩的分割类别形状特征，并使用全局特征、目标特征和语义分割特征构建了一个三分支网络，即 GOS2F2App。在 SUN RGB-D 和 NYU Depth V2 两个基准数据集上评估了 GOS2F2App，取得了最先进的结果，证明了该方法的有效性。

Apr, 2024

本文探讨了使用合成图像训练最先进的对象检测器，特别是针对对象实例检测。我们在实际环境的图像中将纹理对象模型的 2D 图像叠加在一起，以便在各种位置和比例上进行训练。通过这些实验，我们证明了利用现有的对象模型仓库为新对象训练检测器的新机会。

Feb, 2017

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 室内实例分割方法，其中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。我们还通过基于目标性得分分布调整未知类别概率的方法，在推理过程中改进了伪标签的质量。我们还引入了基于真实场景的谨慎策划的开放世界数据集，根据物体分布、基于区域的室内场景探索和开放世界类别的随机性方面。广泛的实验表明了所提出的方法有效性，为开放世界 3D 实例分割性能带来了希望。

Sep, 2023

本文提出了一种快速边界框注释的方法，该方法分为两个阶段：第一步手动标注数据集的一部分，第二步采用第一阶段注释的模型对其余样本进行注释。我们还介绍了一个新的完全标记的室内场景物体检测数据集，使用几种最先进的模型对其训练，并在速度和准确性方面进行了比较。

Jul, 2018

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

本文探讨了个性化移动智能体中的感知系统需要开发室内场景理解模型，该模型能够理解 3D 几何、捕捉客观性、分析人类行为等，并且描述了 MMISM（多模态输入多任务输出室内场景理解模型）来解决室内环境数据量不足以及杂乱信息融合等问题，并表明 MMISM 在 3D 目标检测结果上优于传统单一任务模型。

Sep, 2022

提出了一种简单而有效的方法，通过利用与自动驾驶相关的时序数据的图像先验来改善语义分割准确性，该方法采用先验融合网络来学习先前图像的特征，最终将具体应用于提高场景理解。

Oct, 2019

该论文提出了一种弱监督课程学习流程，用于多标签对象识别、检测和语义分割的任务，其中包括四个阶段，包括训练图像的对象定位、筛选和融合对象实例、像素标注以及基于任务的网络训练，通过这种流程，实现了在 MS-COCO、PASCAL VOC 2007 和 PASCAL VOC 2012 数据集上进行多标签图像分类以及弱监督对象检测和语义分割的最新成果。

Feb, 2018

本文提出了一种基于 2D 图像标注来训练 3D 语义分割模型的方法，使用多视角融合来生成伪标签，并解决了选择可信的伪标签、较少目标分类、在训练过程中如何脱离 2D 图像等问题。实验结果表明，所提出的 2D3DNet 网络在一个新的城市数据集上的表现显著优于基线方法。

Oct, 2021