利用局部与全局结构及上下文点表示的点云语义分割
计算机视觉与模式识别
2019-11-14 v1
摘要
本文提出了一种用于点云语义分割的新颖模型，该模型基于上下文点表示利用了点云内部的局部和全局结构。具体而言，我们通过在点自身及其上下文点上执行一种新颖的门控融合来丰富每个点的表示。之后，基于丰富后的表示，我们提出一种新颖的图 pointnet 模块，依靠图注意力块在局部点云结构内动态组合并更新每个点的表示。最后，我们借助空间维和通道维注意力策略来利用点云全局结构，从而为每个点生成相应的语义标签。在公开点云数据库即 S3DIS 和 ScanNet 数据集上的大量结果证明了我们所提模型的有效性，其性能优于最先进的方法。本文代码可在 https://github.com/fly519/ELGS 获取。
引用
@article{arxiv.1911.05277,
title = {Exploiting Local and Global Structure for Point Cloud Semantic Segmentation with Contextual Point Representations},
author = {Xu Wang and Jingming He and Lin Ma},
journal= {arXiv preprint arXiv:1911.05277},
year = {2019}
}
备注
Accepted by NeurIPS 2019