Point2RBox-v3: Self-Bootstrapping from Point Annotations via Integrated Pseudo-Label Refinement and Utilization
Created by
Haebom
저자
Teng Zhang, Ziqian Fan, Mingxin Liu, Xin Zhang, Xudong Lu, Wentong Li, Yue Zhou, Yi Yu, Xiang Li, Junchi Yan, Xue Yang
개요
본 논문은 객체 지향 감지(OOD)의 필요성에 따라, 약한 지도 학습 프레임워크 하에서 점 기반 주석으로부터 학습하는 연구를 다룬다. 기존 점 기반 지도 학습 방법의 비효율적인 활용과 의사 레이블 품질 저하 문제를 해결하기 위해 Point2RBox-v3 모델을 제안한다. 핵심은 두 가지 원칙으로, 1) 점진적 레이블 할당(PLA)을 통해 훈련 과정에서 동적으로 객체 크기를 추정하여 레이블 할당 방법을 활용하고, 2) 사전 정보 기반 동적 마스크 손실(PGDM-Loss)을 통해 희소 장면 및 고밀도 장면에서의 성능 문제를 극복한다. Point2RBox-v3는 동적 의사 레이블을 레이블 할당에 처음으로 사용하며, SAM 모델과 watershed 알고리즘의 장점을 결합하여 희소 및 고밀도 장면에서 뛰어난 성능을 달성했다.
