理解人在循环中三维语义分割任务的初学者标注过程

大规模三维点云常作为三维语义分割的训练数据，但标注过程劳动密集型，难以获取足够的标注数据。同时，关于引入初学者通过提升标注性能和用户体验来获取标注数据的研究有限。因此，本研究探索了两个维度的解决方案：人工智能辅助的存在与否，以及模型分割结果中同时可视化的类别数量。我们在人在循环环境中对16名无三维语义分割经验的初学者标注者进行用户研究，让他们执行标注任务。结果显示，两个维度在标注准确率和标注效率上存在交互效应。同时显示一次可视化多个类别减少了标注时间。此外，一次可视化多个类别或无人工智能辅助相比基线更能提升模型准确率。当可视化一次显示一个类别且有人工智能辅助时，用户体验最佳。基于这些发现，我们讨论了哪些环境可提升人在循环中三维语义分割任务的初学者标注性能和用户体验。