通过查询引导增强提升少样本三维点云分割
计算机视觉与模式识别
2023-08-09 v2
摘要
尽管针对三维点云分割已开展广泛研究，将通用模型有效适配到新类别仍是一项艰巨挑战。本文提出一种改进点云少样本分割(PC-FSS)模型的新方法。不同于现有PC-FSS方法直接利用支持原型中的类别信息来识别查询样本中的新类，我们的方法识别出两个关键方面，通过减小支持原型与查询特征间的上下文差距来显著提升模型性能。具体而言，我们(1)使支持背景原型适配查询上下文，同时去除可能模糊查询样本中前景与背景的多余线索；(2)在查询特征引导下整体修正支持原型，以模拟后者与查询目标无语义差距。我们提出的设计与特征提取器无关，可轻易应用于任何基于原型的方法。在S3DIS和ScanNet上的实验结果展示了显著的实用益处，因为我们的方法在保持高效率的同时取得明显改进。我们的方法代码可在 https://github.com/AaronNZH/Boosting-Few-shot-3D-Point-Cloud-Segmentation-via-Query-Guided-Enhancement 获取
引用
@article{arxiv.2308.03177,
title = {Boosting Few-shot 3D Point Cloud Segmentation via Query-Guided Enhancement},
author = {Zhenhua Ning and Zhuotao Tian and Guangming Lu and Wenjie Pei},
journal= {arXiv preprint arXiv:2308.03177},
year = {2023}
}
备注
Accepted to ACM MM 2023