EipFormer：在三维实例分割中强调实例位置
计算机视觉与模式识别
2023-12-12 v1 人工智能
摘要
三维实例分割在理解三维场景中起着至关重要的作用。尽管该领域最近取得了进展，但现有方法仍表现出某些局限性。这些方法通常依赖于从海量三维点云中通过中心预测或最远点采样获得的采样代表点来确定固定的实例位置。然而，这些选定的位置可能会偏离实际的实例中心，给精确分组实例带来挑战。此外，从单一类型的坐标对候选实例进行分组的常见做法，在识别相邻实例或纳入边缘点时引入了困难。为了解决这些问题，我们提出了一种新颖的基于 Transformer 的架构 EipFormer，它包含渐进式聚合和双重位置嵌入。渐进式聚合机制利用实例位置来细化实例提议。它通过加权最远点采样增强初始实例位置，并进一步使用聚合平均和中心匹配来细化实例位置和提议。此外，双重位置嵌入叠加了原始和中心化位置嵌入，从而增强了模型在区分相邻实例时的性能。在流行数据集上的大量实验表明，与最先进的方法相比，EipFormer 取得了更优或可比的性能。
引用
@article{arxiv.2312.05602,
title = {EipFormer: Emphasizing Instance Positions in 3D Instance Segmentation},
author = {Mengnan Zhao and Lihe Zhang and Yuqiu Kong and Baocai Yin},
journal= {arXiv preprint arXiv:2312.05602},
year = {2023}
}