該文章的第一作者安照崇，目前在哥本哈根大學(xué)攻讀博士學(xué)位，導(dǎo)師為Serge Belongie。他碩士畢業(yè)于蘇黎世聯(lián)邦理工學(xué)院（ETH Zurich），在碩士期間，他在導(dǎo)師Luc Van Gool的實(shí)驗(yàn)室中參與了多個(gè)研究項(xiàng)目。他的主要研究方向包括場景理解、小樣本學(xué)習(xí)以及多模態(tài)學(xué)習(xí)。

3D場景理解讓人形機(jī)器人「看得見」周身場景，使汽車自動駕駛功能能夠?qū)崟r(shí)感知行駛過程中可能出現(xiàn)的情形，從而做出更加智能化的行為和反應(yīng)。而這一切需要大量3D場景的詳細(xì)標(biāo)注，從而急劇提升時(shí)間成本和資源投入。

最近，ETH Zurich等團(tuán)隊(duì)提出了一種Few-shot學(xué)習(xí)方法，大大改善了這一局限性，并重新審視了目前的FS-PCS任務(wù)，在3D場景感知領(lǐng)域引入全新的benchmark，為未來的模型設(shè)計(jì)與開發(fā)開創(chuàng)了新局面。

• 論文鏈接: https://arxiv.org/abs/2403.00592
• 代碼鏈接: https://github.com/ZhaochongAn/COSeg

3D Few-shot分割結(jié)果示例

技術(shù)背景

3D場景理解在自動駕駛、智能機(jī)器人等領(lǐng)域扮演著至關(guān)重要的角色，它使設(shè)備能夠感知并理解周圍的三維世界。盡管傳統(tǒng)的全監(jiān)督學(xué)習(xí)模型在特定類別的識別上表現(xiàn)出色，但這些模型通常只限于識別這些預(yù)定義的類別。這就意味著，每當(dāng)需要識別新的對象類別時(shí)，就必須收集大量的3D場景數(shù)據(jù)并進(jìn)行詳細(xì)標(biāo)注，這一過程不僅耗時(shí)耗力，還極大限制了全監(jiān)督模型在真實(shí)世界中的應(yīng)用廣度和靈活性。

然而，借助Few-shot學(xué)習(xí)方法，這一局面得到了顯著改善。Few-shot學(xué)習(xí)是一種需要極少標(biāo)注樣本就能迅速適應(yīng)新類別的技術(shù)。這意味著模型可以通過少量的示例迅速學(xué)習(xí)和適應(yīng)新的環(huán)境，大大降低了數(shù)據(jù)收集和處理的成本。這種快速、靈活的學(xué)習(xí)方式，使得3D場景理解技術(shù)更加適應(yīng)快速變化的現(xiàn)實(shí)世界，為各種應(yīng)用場景如自動駕駛和高級機(jī)器人系統(tǒng)打開了新的可能性。因此，研究Few-shot 3D模型能有效推動很多重要任務(wù)在更廣闊世界的實(shí)際應(yīng)用。 

特別的，對于Few-shot 3D point cloud semantic segmentation（FS-PCS）任務(wù)，模型的輸入包括support point cloud以及關(guān)于新類別的標(biāo)注（support mask）和query point cloud。模型需要通過利用support point cloud和support mask獲得關(guān)于新類別的知識并應(yīng)用于分割query point cloud，預(yù)測出這些新類別的標(biāo)簽。在模型訓(xùn)練和測試時(shí)使用的目標(biāo)類別無重合，以保證測試時(shí)使用的類均為新類，未被模型在訓(xùn)練時(shí)見過。

任務(wù)的重新審視與改正

圖1. 兩個(gè)場景的可視化（前景類分別為door和board）

表1. 存在(w/FG)和不存在前景泄露(w/o FG)時(shí)過往模型的性能比較

該文章重新審視了當(dāng)前FS-PCS任務(wù)。發(fā)現(xiàn)當(dāng)前的任務(wù)setting具有兩個(gè)顯著的問題：

• 第一個(gè)問題是前景泄漏：3D任務(wù)通常將場景點(diǎn)云中的密集點(diǎn)均勻采樣后作為模型的輸入。然而FS-PCS采用的采樣方法并非均勻采樣，而是會對目標(biāo)類別（前景區(qū)域）采樣更多的點(diǎn)，對非目標(biāo)區(qū)域（背景區(qū)域）采樣更少的點(diǎn)，這樣得到的輸入點(diǎn)云會在前景有更密集的點(diǎn)分布，導(dǎo)致了前景泄露問題。如圖1所示，第四和第六列的輸入點(diǎn)云來自于當(dāng)前的有偏采樣，在前景區(qū)域（door或board）展示出比背景更密集的點(diǎn)分布，而第三和第五列的輸入使用改正后的一致性采樣，展示出了均勻的點(diǎn)密度分布。該問題使得新類的信息被點(diǎn)云的密度分布所泄漏，從而允許模型簡單的利用輸入點(diǎn)云中的密度差異，預(yù)測更密集的區(qū)域?yàn)榍熬熬涂梢詫?shí)現(xiàn)良好的few-shot性能，而非依賴于學(xué)習(xí)從support到query的知識轉(zhuǎn)移能力。因此當(dāng)前的評價(jià)benchmark無法反映過往模型的真實(shí)性能。如表1所示，將當(dāng)前setting中的前景泄露改正后，過往模型展示出了大的性能下降，表明了過往模型極大的依賴于密度的差異來實(shí)現(xiàn)看似優(yōu)越的few-shot性能。
• 第二個(gè)問題是稀疏點(diǎn)分布：當(dāng)前的setting僅從場景中采樣2048個(gè)點(diǎn)作為模型在訓(xùn)練和測試時(shí)的輸入，這樣稀疏的點(diǎn)分布嚴(yán)重限制了輸入場景的語義清晰度。如圖1所示，在第一行第五列中，人類肉眼都難以區(qū)分出區(qū)域中的語義類別door和周圍的類別wall。對第二行也同樣很困難來區(qū)分目標(biāo)區(qū)域?yàn)閎oard類或是其他的類別如window。這些稀疏的輸入點(diǎn)云有非常受限的語義信息，引入了顯著的歧義性，限制了模型有效挖掘場景中語義的能力。

因此，為了改正這些問題，作者提出了一個(gè)新的setting來標(biāo)準(zhǔn)化FS-PCS任務(wù)，采用均勻采樣并增加采樣點(diǎn)數(shù)10倍到20480點(diǎn)。如圖1中第三列所示，新setting下的輸入有一致性的點(diǎn)的分布和更清晰的語義信息，使得該任務(wù)更加貼近于真實(shí)的應(yīng)用場景。

新的模型COSeg

在新改正的setting下，作者引入了一個(gè)新的模型叫做Correlation Optimization Segmentation（COSeg）。過往的方法都基于特征優(yōu)化范式，側(cè)重于優(yōu)化support或者query的特征，并將改進(jìn)后的特征輸入到無參的預(yù)測模塊獲得預(yù)測結(jié)果，可看作隱式的建模support和query間的correlations。相反，沒有注重于優(yōu)化特征，文中提出了correlation優(yōu)化范式，直接將support和query間的correlations輸入到有參的模塊中，顯式的優(yōu)化correlations，允許模型直接塑造query和support間的關(guān)系，增強(qiáng)了模型的泛化能力。

圖2. COSeg架構(gòu)

在COSeg中，首先對每個(gè)query點(diǎn)計(jì)算與support prototypes間的Class-specific Multi-prototypical Correlation簡稱為CMC，表示每個(gè)點(diǎn)和所有類別prototypes之間的關(guān)系。隨后將CMC輸入到后續(xù)的Hyper Correlation Augmentation（HCA）模塊。

HCA模塊利用兩個(gè)潛在的關(guān)系來優(yōu)化correlations。第一，query點(diǎn)都是互相關(guān)聯(lián)的，因此他們對于類別prototypes間的correlations也是互相關(guān)聯(lián)的，由此可得到點(diǎn)和點(diǎn)間的關(guān)系，相對應(yīng)于HCA的前半部分對correlations在點(diǎn)維度做attention。第二，將一個(gè)query點(diǎn)分為前景或者背景類依賴于該點(diǎn)對于前景和背景prototypes之間的相對correlations，由此可得到前景和背景間的關(guān)系，相對應(yīng)于HCA的后半部分對correlations在類別維度做attention。

此外，由于few-shot模型在base類別上做訓(xùn)練，在novel類別上做測試。這些模型會容易被測試場景中存在的熟悉的base類別干擾，影響對于novel類別的分割。為了解決該問題，文中提出對于base類別學(xué)習(xí)無參的prototypes（稱為base prototypes）。當(dāng)分割新類時(shí)，屬于base類的query點(diǎn)應(yīng)該被預(yù)測為背景。因此，利用base prototypes，作者在HCA層內(nèi)部引入Base Prototypes Calibration（BPC）模塊來調(diào)整點(diǎn)和背景類別間的correlations，從而緩解base類帶來的干擾。

實(shí)驗(yàn)結(jié)果

表2. 新的FS-PCS benchmark

圖3. COSeg和過往最佳方法的可視化比較

文中的實(shí)驗(yàn)首先在改正后的標(biāo)準(zhǔn)setting下評測了之前的方法，創(chuàng)立了標(biāo)準(zhǔn)的benchmark，并且證明了COSeg方法的優(yōu)越性能，在各個(gè)few-shot任務(wù)中都實(shí)現(xiàn)了最佳的結(jié)果?？梢暬睬宄砻髁薈OSeg實(shí)現(xiàn)了更好分割結(jié)果。此外，在文中作者也提供了廣泛的消融實(shí)驗(yàn)證明了設(shè)計(jì)的有效性和correlation優(yōu)化范式的優(yōu)越性。

總結(jié)

該文章的研究在FS-PCS領(lǐng)域的貢獻(xiàn)如下。

首先，作者確定了當(dāng)前FS-PCS setting中的兩個(gè)關(guān)鍵問題（前景泄露和稀疏點(diǎn)分布），這兩個(gè)問題降低了對過往方法的評價(jià)基準(zhǔn)的準(zhǔn)確性。為了解決過往setting中的問題，文中引入了一個(gè)全新的標(biāo)準(zhǔn)化的setting以及評價(jià)benchmark。

此外，在標(biāo)準(zhǔn)化FS-PCS setting下，作者提出一個(gè)新的correlation優(yōu)化范式，顯著提高了模型在few-shot任務(wù)上的泛化性能。文中的模型COSeg融合了HCA來挖掘有效的點(diǎn)云關(guān)聯(lián)信息和BPC來進(jìn)行背景預(yù)測的調(diào)整，在所有few-shot任務(wù)上實(shí)現(xiàn)了最佳的性能。

文中改正的標(biāo)準(zhǔn)化setting開放了更多在Few-shot 3D分割任務(wù)上提升的可能性，同時(shí)提出的新correlation優(yōu)化范式也為未來的模型設(shè)計(jì)與開發(fā)提供了新的方向。這項(xiàng)工作作為FS-PCS領(lǐng)域的一個(gè)新基準(zhǔn)，有望激勵(lì)更多研究者探索和拓展小樣本3D場景理解的邊界。

作為參考，以下幾點(diǎn)可以作為潛在的研究方向，以進(jìn)一步推動該領(lǐng)域的發(fā)展：

• 在文中的新setting下，雖然COSeg實(shí)現(xiàn)了最佳性能，但仍然有很大的進(jìn)步空間，可以改進(jìn)模型以實(shí)現(xiàn)更優(yōu)的few-shot泛化：如改進(jìn)prototype的抽取方式 [1,2]，改進(jìn)correlation優(yōu)化模塊 [3]，對每個(gè)few-shot任務(wù)做針對性的訓(xùn)練 [4]。
• 解決Base類別干擾問題也是影響Few-shot性能的關(guān)鍵因素，可以從訓(xùn)練或模型設(shè)計(jì)角度進(jìn)行優(yōu)化 [5,6]，更好的減少Base類別的干擾。
• 提高模型的訓(xùn)練和推理效率 [7]，特別是在部署到實(shí)際應(yīng)用時(shí)，模型的效率也是一個(gè)關(guān)鍵考量。

總結(jié)來說，這一領(lǐng)域的前景十分廣闊，而且目前尚處于新興起步階段，對于廣大的研究者而言，無疑是一個(gè)充滿希望和機(jī)遇的研究領(lǐng)域。