成果名称：基于涂鸦的弱监督学习三维形状分割算法

成果简介：形状分割是形状分析中的一个基本问题。系列研究表明，先验知识有助于提高分割结果的准确性和质量。然而，对大型训练数据集中的每个三维形状进行完全标记需要大量的人工工作量。我们提出了一种基于弱监督学习的三维形状分割新算法。该算法同时将标签信息从涂鸦传播到未标记的面片，并在该过程中同时学习深度神经网络的参数。该算法不需要耗时和繁琐的完全标记过程，只需要进行简单便捷的涂鸦式标记过程作为输入就可以获得令人满意的分割结果。在学术界大量公开数据集上的各种实验结果表明，该算法相比传统无监督方法具有更加优越的分割性能，并且达到了与全监督方法相似的分割性能。该项成果以舒振宇教授为第一作者，于2020年发表在国际计算机领域权威期刊《IEEE Transactions on Visualization and Computer Graphics》上。

图1 涂鸦式标记示例

图2 算法整体流程

图3 算法分割结果