用于点云语义实例分割的带结构感知损失函数的三维图嵌入学习
计算机视觉与模式识别
2021-03-24 v1
摘要
本文介绍了一种用于点云三维语义实例分割的新方法。使用一个称为子流形稀疏卷积网络的三维卷积神经网络同时生成语义预测与实例嵌入。为获得每个三维实例的判别性嵌入，提出了一种考虑结构信息与嵌入信息的结构感知损失函数。为获得每个三维实例更一致的嵌入，提出基于注意力的 k 最近邻（KNN）为不同邻居分配不同权重。基于该基于注意力的 KNN，我们在稀疏卷积网络后加入图卷积网络以得到精炼嵌入。我们的网络可端到端训练。利用简单的均值漂移算法对精炼嵌入进行聚类以得到最终实例预测。因此，我们的框架可同时输出语义预测与实例预测。实验表明，我们的方法在 ScanNet 基准与 NYUv2 数据集上优于所有最先进的方法。
引用
@article{arxiv.1902.05247,
title = {3D Graph Embedding Learning with a Structure-aware Loss Function for Point Cloud Semantic Instance Segmentation},
author = {Zhidong Liang and Ming Yang and Chunxiang Wang},
journal= {arXiv preprint arXiv:1902.05247},
year = {2021}
}