用于点云分割的对比边界学习
计算机视觉与模式识别
2022-03-14 v2
摘要
点云分割是理解三维环境的基础。然而，当前的三维点云分割方法在场景边界上通常表现不佳，这退化了整体分割性能。在本文中，我们关注场景边界的分割。相应地，我们首先探索了评估场景边界上分割性能的度量。为解决边界上不尽人意的表现，我们随后提出了一种新颖的用于点云分割的对比边界学习（CBL）框架。具体而言，所提出的 CBL 借助多尺度场景上下文，通过对比边界两侧点的表示来增强其特征区分性。通过在三种不同基线方法上应用 CBL，我们通过实验表明 CBL 一致地改进了不同基线，并协助它们在边界上以及整体性能（例如 mIoU）上取得引人注目的表现。实验结果证明了我们方法的有效性以及边界对于三维点云分割的重要性。代码与模型将在 https://github.com/LiyaoTang/contrastBoundary 公开。
引用
@article{arxiv.2203.05272,
title = {Contrastive Boundary Learning for Point Cloud Segmentation},
author = {Liyao Tang and Yibing Zhan and Zhe Chen and Baosheng Yu and Dacheng Tao},
journal= {arXiv preprint arXiv:2203.05272},
year = {2022}
}
备注
Preprint; To appear in CVPR2022