CasFusionNet：一种通过稠密特征融合实现点云语义场景补全的级联网络
计算机视觉与模式识别
2022-11-28 v1
摘要
语义场景补全（SSC）旨在同时补全部分 3D 场景并预测其语义。大多数现有工作采用体素表示，因而随着体素分辨率增大面临内存与计算成本增长的问题。尽管少数工作尝试从 3D 点云角度解决 SSC，但它们未充分利用场景补全与语义分割两项任务之间的关联与互补性。本工作中，我们提出 CasFusionNet，一种通过稠密特征融合实现点云语义场景补全的新型级联网络。具体而言，我们设计了（i）全局补全模块（GCM）以生成上采样且补全但粗糙的点集，（ii）语义分割模块（SSM）预测由 GCM 生成的补全点的逐点语义标签，以及（iii）局部细化模块（LRM）从局部视角进一步细化粗糙补全点及其关联标签。我们在每一层级通过稠密特征融合组织上述三模块，并级联共四个层级，其中还在各层级间采用特征融合以充分使用信息。在我们编译的两个基于点的数据集上的定量与定性结果验证了我们的 CasFusionNet 在场景补全与语义分割方面相较 SOTA 方法的有效性与优越性。代码与数据集见：https://github.com/JinfengX/CasFusionNet。
引用
@article{arxiv.2211.13702,
title = {CasFusionNet: A Cascaded Network for Point Cloud Semantic Scene Completion by Dense Feature Fusion},
author = {Jinfeng Xu and Xianzhi Li and Yuan Tang and Qiao Yu and Yixue Hao and Long Hu and Min Chen},
journal= {arXiv preprint arXiv:2211.13702},
year = {2022}
}