本文确定了当前小样本3D分割任务setting中的两个关键问题，改正并引入了全新的标准化setting以及评价benchmark。文中还提出了新的correlation优化范式以及相应的模型COSeg，在所有3D few-shot任务上实现了最佳的性能。
论文标题：
Rethinking Few-shot 3D Point Cloud Semantic Segmentation
论文链接:
https://arxiv.org/abs/2403.00592
源码链接:
https://github.com/ZhaochongAn/COSeg
3D Few-shot分割结果示例
3D场景理解在自动驾驶、智能机器人等领域扮演着至关重要的角色，它使设备能够感知并理解周围的三维世界。尽管传统的全监督学习模型在特定类别的识别上表现出色，但这些模型通常只限于识别这些预定义的类别。这就意味着，每当需要识别新的对象类别时，就必须收集大量的3D场景数据并进行详细标注，这一过程不仅耗时耗力，还极大限制了全监督模型在真实世界中的应用广度和灵活性。
然而，借助Few-shot学习方法，这一局面得到了显著改善。Few-shot学习是一种需要极少标注样本就能迅速适应新类别的技术。这意味着模型可以通过少量的示例迅速学习和适应新的环境，大大降低了数据收集和处理的成本。这种快速、灵活的学习方式，使得3D场景理解技术更加适应快速变化的现实世界，为各种应用场景如自动驾驶和高级机器人系统打开了新的可能性。因此，研究Few-shot 3D模型能有效推动很多重要任务在更广阔世界的实际应用。
特别的，对于Few-shot 3D point cloud semantic segmentation（FS-PCS）任务，模型的输入包括support point cloud以及关于新类别的标注（support mask）和query point cloud。模型需要通过
利用support point cloud和support mask获得关于新类别的知识并应用于分割query point cloud，预测出这些新类别的标签
。在模型训练和测试时使用的
目标类别无重合
，以保证测试时使用的类均为新类，未被模型在训练时见过。
图1. 两个场景的可视化（前景类分别为door和board）
表1 存在(w/FG)和不存在前景泄露(w/o FG)时过往模型的性能比较
该文章重新审视了当前FS-PCS任务。发现当前的任务setting具有两个显著的问题。
1. 第一个问题是
前景泄漏
：3D任务通常将场景点云中的密集点均匀采样后作为模型的输入。然而FS-PCS采用的采样方法并非均匀采样，而是会
对目标类别（前景区域）采样更多的点，对非目标区域（背景区域）采样更少的点
，这样得到的输入点云会在前景有更密集的点分布，导致了前景泄露问题。如图1所示，第四和第六列的输入点云来自于当前的有偏采样，在前景区域（door或board）展示出比背景更密集的点分布，而第三和第五列的输入使用改正后的一致性采样，展示出了均匀的点密度分布。该问题
使得新类的信息被点云的密度分布所泄漏
，从而允许模型简单的利用输入点云中的密度差异，预测更密集的区域为前景就可以实现良好的few-shot性能，而非依赖于学习
从support到query
的知识转移能力。因此
当前的评价benchmark无法反映过往模型的真实性能
。如表1所示，将
当前setting中的前景泄露改正后，过往模型展示出了大的性能下降，表明了过往模型极大的依赖于密度的差异来实现看似优越的few-shot性能。
2. 第二个问题是
稀疏点分布
：当前的
setting
仅从场景中采样2048个点
作为模型在训练和测试时的输入，这样稀疏的点分布严重限制了输入场景的语义清晰度。如图1所示，
在
第一行第五列中，人类肉眼都难以区分出区域中的语义类别door和周围的类别wall。对第二行也同样很困难来区分目标区域为board类或是其他的类别如window。
这些稀疏的输入点云有
非常受限的语义信息
，引入了显著的歧义性，限制了模型有效挖掘场景中语义的能力。
因此，为了改正这些问题，作者提出了一个
新的setting来标准化FS-PCS任务
，采用均匀采样并增加采样点数10倍到20480点。如图1中第三列所示，新setting下的输入有一致性的点的分布和更清晰的语义信息，使得该任务更加贴近于真实的应用场景。
在新改正的setting下，作者引入了一个新的模型叫做Correlation Optimization Segmentation（COSeg）。过往的方法都基于
特征优化范式
，侧重于优化support或者query的特征，并将改进后的特征输入到无参的预测模块获得预测结果，可看作
隐式的建模support和query间的correlations
。相反，没有注重于优化特征，文中提出了
correlation优化范式
，直接将support和query间的correlations输入到有参的模块中，
显式的优化correlations
，允许模型直接塑造query和support间的关系，增强了模型的泛化能力。
在COSeg中，首先对每个query点计算与support prototypes间的Class-specific Multi-prototypical Correlation简称为CMC，
表示每个点和所有类别prototypes之间的关系
。随后将CMC输入到后续的Hyper Correlation Augmentation（HCA）模块。
HCA模块利用两个潜在的关系来优化correlations。第一，query点都是互相关联的，因此他们对于类别prototypes间的correlations也是互相关联的，由此可得到
点和点间的关系
，相对应于HCA的前半部分对correlations在点维度做attention。第二，将一个query点分为前景或者背景类依赖于该点对于前景和背景prototypes之间的相对correlations，由此可得到
前景和背景间的关系
，相对应于HCA的后半部分对correlations在类别维度做attention。
此外，由于few-shot模型在base类别上做训练，在novel类别上做测试。这些模型会容易被测试场景中存在的熟悉的base类别干扰，影响对于novel类别的分割。为了解决该问题，文中提出
对于base类别学习无参的prototypes
（称为base prototypes）。
当分割新类时，属于base类的query点应该被预测为背景
。因此，利用base prototypes，作者在HCA层内部引入Base Prototypes Calibration（BPC）模块来
调整点和背景类别间的correlations
，从而缓解base类带来的干扰。
文中的实验首先在
改正后的标准setting下评测了之前的方法，创立了标准的benchmark
，并且证明了COSeg方法的优越性能，在各个few-shot任务中都
实现了最佳的结果
。可视化也清楚表明了COSeg实现了更好分割结果。此外，在文中作者也提供了广泛的消融实验证明了设计的有效性和correlation优化范式的优越性。
五、总结
首先，作者确定了当前FS-PCS setting中的两个关键问题（
前景泄露和稀疏点分布
），这两个问题降低了对过往方法的评价基准的准确性。为了解决过往setting中的问题，文中引入了一个
全新的标准化的setting以及评价benchmark
。
此外，在标准化FS-PCS setting下，作者提出一个
新的correlation优化范式
，显著提高了模型在few-shot任务上的泛化性能。文中的模型
COSeg融合了HCA来挖掘有效的点云关联信息和BPC来进行背景预测的调整
，在所有few-shot任务上实现了最佳的性能。
文中改正的
标准化setting开放了更多在Few-shot 3D分割任务上提升的可能性
，同时提出的
新correlation优化范式也为未来的模型设计与开发提供了新的方向
。这项工作作为FS-PCS领域的一个新基准，有望激励更多研究者探索和拓展小样本3D场景理解的边界。
作为参考，以下几点可以作为潜在的研究方向，以进一步推动该领域的发展：
1. 在文中的新setting下，虽然COSeg实现了最佳性能，但仍然有很大的进步空间，可以改进模型以实现更优的few-shot泛化：如改进prototype的抽取方式 [1,2]，改进correlation优化模块 [3]，对每个few-shot任务做针对性的训练 [4]。
2. 解决Base类别干扰问题也是影响Few-shot性能的关键因素，可以从训练或模型设计角度进行优化 [5,6]，更好的减少Base类别的干扰。
3. 提高模型的训练和推理效率 [7]，特别是在部署到实际应用时，模型的效率也是一个关键考量。
总结来说，这一领域的
前景十分广阔，而且目前尚处于新兴起步阶段
，对于广大的研究者而言，无疑是一个充满希望和机遇的研究领域。
参考资料
[1] Lang, Chunbo, et al. "Progressive parsing and commonality distillation for few-shot remote sensing segmentation." IEEE Transactions on Geoscience and Remote Sensing (2023).
[2] Liu, Yuanwei, et al. "Intermediate prototype mining transformer for few-shot semantic segmentation." Advances in Neural Information Processing Systems 35 (2022): 38020-38031.
[3] Zhang, Canyu, et al. "Few-shot 3d point cloud semantic segmentation via stratified class-specific attention based transformer network." Proceedings of the AAAI Conference on Artificial Intelligence. Vol. 37. No. 3. 2023.
[4] Boudiaf, Malik, et al. "Few-shot segmentation without meta-learning: A good transductive inference is all you need?." Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2021.
[5] Wang, Jiahui, et al. "Few-shot point cloud semantic segmentation via contrastive self-supervision and multi-resolution attention." 2023 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2023.
[6] Lang, Chunbo, et al. "Learning what not to segment: A new perspective on few-shot segmentation." Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2022.
[7] Sun, Yanpeng, et al. "Singular value fine-tuning: Few-shot segmentation requires few-parameters fine-tuning." Advances in Neural Information Processing Systems 35 (2022): 37484-37496.
来源：公众号【机器之心】
llustration From IconScout By Pixel True
“AI技术流”原创投稿计划
TechBeat是由将门创投建立的AI学习社区（
www.techbeat.net
）
。
社区上线500+期talk视频，3000+篇技术干货文章，方向覆盖CV/NLP/ML/Robotis等；每月定期举办顶会及其他线上交流活动，不定期举办技术人线下聚会交流活动。我们正在努力成为AI人才喜爱的高质量、知识型交流平台，希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。
投稿内容
// 最新技术解读/系统性知识分享 //
// 前沿资讯解说/心得经历讲述 //
投稿须知
