DyCo3D：通过动态卷积实现鲁棒的三维点云实例分割
计算机视觉与模式识别
2021-03-09 v2
摘要
以往在点云实例分割中表现最优的方法采用自底向上策略，常包含低效操作或复杂流程，例如对过分割组件分组、引入额外细化步骤或设计复杂损失函数。实例尺度的不可避免变化会导致自底向上方法对超参数值尤为敏感。为此，我们转而提出一种动态的、无提议的、数据驱动的方法，根据实例性质生成适用的卷积核。为使卷积核具有判别性，我们通过聚集共享相同语义类别且对几何质心投票相近的同质点来探索大范围上下文。随后由几个简单卷积层解码实例。由于稀疏卷积带来的有限感受野，还设计了一个轻量小型transformer以捕获点样本间的长程依赖与高层交互。所提方法在ScanetNetV2与S3DIS上均取得有前景的结果，且性能对所选特定超参数值具有鲁棒性。其推理速度较当前最先进水平提升逾25%。代码见：https://git.io/DyCo3D
引用
@article{arxiv.2011.13328,
title = {DyCo3D: Robust Instance Segmentation of 3D Point Clouds through Dynamic Convolution},
author = {Tong He and Chunhua Shen and Anton van den Hengel},
journal= {arXiv preprint arXiv:2011.13328},
year = {2021}
}
备注
Appearing in IEEE Conf. Computer Vision and Pattern Recognition (CVPR), 2021