Geodesic-Former：一种测地距离引导的小样本三维点云实例分割器

本文在三维点云中引入了一个新问题：小样本实例分割。给定少量标注了目标类别的点云作为示例，我们的目标是在查询点云中分割出该目标类别的所有实例。该问题在逐点实例分割标注采集成本过高的情况下具有广泛的实际应用。为解决此问题，我们提出了 Geodesic-Former——首个用于三维点云实例分割的测地距离引导 transformer。其核心思想是利用测地距离来应对 LiDAR 三维点云的密度不平衡。LiDAR 三维点云在物体表面附近密集，在其他区域稀疏或为空，这使得欧氏距离难以有效区分不同物体。而测地距离更为合适，因为它编码了场景的几何信息，可作为 transformer 解码器中注意力机制的引导信号，生成代表实例独特特征的内核。这些内核随后用于动态卷积以获得最终实例掩码。为在新任务上评估 Geodesic-Former，我们提出了两个常用三维点云实例分割数据集 ScannetV2 和 S3DIS 的新划分。Geodesic-Former 以显著优势持续优于基于最先进三维点云实例分割方法改编的强基线。代码见 https://github.com/VinAIResearch/GeoFormer。