- 博客(2)
- 收藏
- 关注
原创 【点云语义分割】Weakly Supervised Semantic Point Cloud Segmentation: Towards 10× Fewer Labels(CVPR 2020)
论文链接代码链接Motivation弱监督工作都是利用少的标记样本去做更好的预测结果,本文的弱监督包括不完全监督,即只有少量的点带有准确的label;不准确监督,即点云的每个sample都带有一个不准确的label,文章将这两种弱监督的方式互为补充。之后用Siamese Self-Supervision的技术去处理没有label的点云,此外,文章的写作和分析都很到位。概念陈述把点云标记为BBB个独立的shapes或者房间块,记做{Xb}b=1⋯B\left\{\mathbf{X}_{b}\ri.
2020-06-30 11:09:04
1018
原创 【点云语义分割】Multi-Path Region Mining ForWeakly Supervised 3D Semantic Segmentation on Point Clouds(CVPR)
【点云语义分割】Multi-Path Region Mining ForWeakly Supervised 3D Semantic Segmentation on Point Clouds(CVPR 2020)Motivation概念MethodBaseline Method: PCAMMulti-Path Region MiningLearning a Semantic Segmentation Network实验experiments相关阅读[^sample_footnote1]论文链接代码链接:
2020-06-19 02:38:06
766
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人