ラベル伝播による半教師あり物体セグメンテーションを用いた効率的な画像アノテーション
Efficient Image Annotation via Semi-Supervised Object Segmentation with Label Propagation
家庭用ロボットの物体認識のため、少数のアノテーションで多数の画像を自動ラベリングする半教師あり手法を提案。セグメント提案とホップフィールドネットワークによるラベル伝播で、RoboCup@Home環境でデータの60%を自動ラベル付け可能。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Vitalii Tutevych, Raphael Memmesheimer, Luca Eichler, Dmytro Pavlichenko, Fynn Schilke, Rodja Krudewig, Sven Behnke
分類: cs.CV, cs.RO
原文アブストラクト
Reliable object perception is necessary for general-purpose service robots. Open-vocabulary detectors struggle to generalize beyond a few classes and fully supervised training of object detectors requires time-intensive annotations. We present a semi-supervised label propagation approach for household object segmentation. A segment proposer generates class-agnostic masks, and an ensemble of Hopfield networks assigns labels by learning representative embeddings in complementary foundation model embedding spaces (CLIP, ViT, Theia). Our approach scales to 50 object classes with limited annotation overhead and can automatically label 60% of the data in a RoboCup@Home setting, where preparation time is severely constrained. Dataset and code are publicly available at https://github.com/ais-bonn/label_propagation.
