- …
- …
#916
summarized by : Ryosuke Araki
どんな論文か？
既存の3D物体検出手法の性能は大規模かつ高品質な3Dアノテーションに依存するが，収集のコストが高い．そこで，半教師あり学習を3D物体検出に適用した，Self-Ensembling Semi-Supervised（SESS）フレームワークを提案する．Mean Teacher paradigmを用いて2つのVoteNetを学習し，consistency lossで整合性を取る．
新規性
2D物体検出ではよく研究されている半教師あり学習について，まだ未開拓である3D物体検出にも適用した．
結果
SUN RGB-DとScanNetで性能を評価した．通常のVoteNetと比べてSESSは有意に優れている．また，ラベリングデータの半分を用いた場合でも，SOTAの完全教師あり学習手法と遜色ない性能を達成．
その他（なぜ通ったか？等）
共同学習により，半教師あり学習のフレームワークをうまく設計している．
- …
- …