用于点云语义分割的级联非局部神经网络

本文提出一种用于点云分割的级联非局部神经网络。所提网络旨在建立点云的长程依赖关系以实现精确分割。具体而言，我们开发了一种新颖的级联非局部模块，其由邻域级、超点级和全局级非局部块组成。首先，在邻域级块中，我们通过为邻域点分配不同权重来提取点云质心点的局部特征。随后，所提取的质心点局部特征用于通过非局部操作编码超点级块。最后，全局级块在编码器-解码器框架中聚合超点的非局部特征以进行语义分割。得益于级联结构，具有相同标签的不同邻域的几何结构信息得以传播。此外，级联结构可大幅降低原始非局部操作在点云上的计算成本。在不同室内与室外数据集上的实验表明，我们的方法取得了最先进的性能，并有效减少了时间消耗与内存占用。