RePL：半教師ありLiDARセマンティックセグメンテーションのための擬似ラベル精錬
arXiv cs.CV / 2026/4/9
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ノイズのある擬似ラベルによる誤りの伝播と確認バイアスを抑えることを目的とした、LiDARセマンティックセグメンテーションのための半教師あり学習フレームワークRePLを提案する。
- RePLは、マスク付き再構成を用いて起こり得る擬似ラベルの誤りを検出し、修正することで擬似ラベルの質を改善し、これを裏付ける専用の学習戦略を提示する。
- 著者らは、擬似ラベル精錬が有益となる条件を理論的に分析し、その必要条件は緩やかであると主張する。
- nuScenes-lidarsegおよびSemanticKITTIでの実験により、RePLが擬似ラベルの質を大幅に向上させ、最先端のLiDARセマンティックセグメンテーション結果を達成することを示す。
