本論文では、細かい3Dパーツラベリングのための初めてのアクティブラーニングツールを提案する。入力の3Dモデルは事前にパーツに分割されており、ツールはこれらのパーツに対して予め定義された階層的なラベルを割り当てる。
ツールの主な特徴は以下の通り:
階層的なラベリング: パーツラベルを階層構造で管理し、上位のラベルから順に細かいラベルへと割り当てていく。これにより、ラベリングの効率が向上する。
対称性の活用: パーツの対称性を検出し、ラベル検証と修正の際に活用することで、さらなる効率化を実現する。
提案手法は、深層学習によるラベル提案と人間による検証・修正のループから成る。高信頼なラベル提案は検証に、低信頼なものは修正に回される。正解ラベルは学習に活用され、この繰り返しによりラベリング精度が向上する。
実験では、PartNetデータセットとAmazon Berkeley Objectsデータセットを用いて評価を行った。提案手法は、完全自動手法と比べて大幅な精度向上と人手コストの削減を実現した。
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문