DAR-Net：用于语义场景分割的动态聚合网络
计算机视觉与模式识别
2019-12-30 v2 机器学习
摘要
传统的基于网格/邻域的静态池化已成为点云几何分析的制约。本文提出 DAR-Net，一种聚焦于动态特征聚合的新型网络架构。DAR-Net 的核心思想是生成一种自适应池化骨架，同时考虑场景复杂度和局部几何特征。该骨架提供可变的半局部感受野与权重，充当连接局部卷积特征提取器与全局循环特征整合器的桥梁。在室内场景数据集上的实验结果表明，相较于采用静态池化方法的 SOTA 架构，所提方法具有优势。
引用
@article{arxiv.1907.12022,
title = {DAR-Net: Dynamic Aggregation Network for Semantic Scene Segmentation},
author = {Zongyue Zhao and Min Liu and Karthik Ramani},
journal= {arXiv preprint arXiv:1907.12022},
year = {2019}
}