题目:CPR++: Object Localization via Single Coarse Point Supervision
CPR++:通过单一粗略点监督进行物体定位
作者:Xuehui Yu; Pengfei Chen; Kuiran Wang; Xumeng Han; Guorong Li; Zhenjun Han; Qixiang Ye; Jianbin Jiao
摘要
基于点的物体定位(POL)旨在通过低成本的数据标注实现高性能的物体感知,这一领域引起了越来越多的关注。然而,点标注模式不可避免地由于标注点的不一致性引入了语义差异。现有的POL方法主要依赖严格的标注规则来处理这一问题,这些规则难以定义和应用。在本研究中,我们提出了粗略点精细化(CPR),据我们所知,这是首次从算法角度来减轻语义差异的尝试。CPR通过在邻域区域中选择语义中心点来替换初始标注点,从而减少语义差异。此外,我们设计了一个采样区域估计模块来动态计算每个物体的采样区域,并使用级联结构实现端到端优化。我们进一步在结构中集成了方差正则化,以集中预测分数,形成CPR++。我们观察到CPR++可以获得尺度信息,并在全局区域进一步减少语义差异,从而保证高性能的物体定位。在四个具有挑战性的数据集上的大量实验验证了CPR和CPR++的有效性。我们希望我们的工作能激发更多研究,从算法角度而非标注规则来解决POL中的语义差异问题。