AdaCoSeg：具有组一致性损失的自适应形状协同分割

我们介绍 AdaCoSeg，一种用于以点为云表示的 3D 形状集自适应协同分割的深度神经网络架构。与熟悉的单实例分割问题不同，协同分割本质上是上下文相关的：一个形状如何被分割可取决于其所属的集合。因此，我们的网络具有一个自适应学习模块，以产生适应于集合的一致形状分割。具体而言，给定一组未分割的输入形状，我们首先采用离线预训练的部分先验网络提出每形状的部分。然后，协同分割网络迭代且联合优化该集合上的部分标注，受由矩阵秩定义的新型组一致性损失约束。尽管部分先验网络可用有噪声且分割不一致的形状训练，AdaCoSeg 的最终输出是输入集合的一致部分标注，每个形状被分割为最多（用户指定的）K 个部分。总体而言，我们的方法是弱监督的，产生针对测试集定制的分割，无需一致的真实值分割。我们展示了 AdaCoSeg 的定性和定量结果，并通过消融研究以及与最先进协同分割方法的比较对其进行了评估。