现有的三维识别系统由于依赖于较强的监督，如点级语义标注等，都需要较长时间才能获得结果。例如，目前流行的大型室内3D数据集ScanNet仅由20人收集，注释工作涉及500多人，每次扫描花费将近22分钟。此外，由于标注成本高，现有的三维对象检测数据集局限很大，这种耗时的标注过程是缩放3D识别的主要瓶颈。

基于这一观察结果，Facebook人工智能研究院和伊利诺伊大学厄巴纳-香槟分校的研究人员提出，不用空间标注的3D来进行空间识别。他们研究了3D弱监督学习，只有场景级别的类标签可用作为监督训练语义分割和目标检测模型。场景级标注是非常有效的注解，只需要花一秒钟或更少的时间就可以检测在场景中的每个对象。

WyPR，是一种用于点云识别的弱监督框架。WyPR解决了三个核心3D识别任务问题：点级语义分割，3D提议生成和3D对象检测。研究证明，结合标准的多实例学习目标，WyPR可以在点云中检测和分割点云中的对象，而无需在训练时访问任何场景级标注。

WyPR首先使用标准的3D深度学习技术从输入中提取点级特征表示。为了获得对象分割，它将每个点分类为一个对象类。WyPR不采用点级监督来训练网络的这一部分，而是采用多实例学习（MIL）和自我监督目标来进行训练。

接下来，为了获得对象bounding box，它利用了一种灵感来自于选择性搜索的全新三维对象建议技术：几何选择性搜索（GSS）。每一个建议都像以前一样使用MIL分类到一个对象类。最后研究人员观察到，WyPR检测到的bounding box内的所有点与box级预测保持一致，反映了联合训练框架的有效性。

研究人员使用ScanNet和S3DIS数据集证明了它的功效，在弱监督分割方面优于现有技术（mIoU超过6％）。这为未来的研究建立了弱监督3D对象检测的新基准。