几何感知的 3D 显著目标检测网络
计算机视觉与模式识别
2025-02-25 v1
摘要
点云显著目标检测近年来吸引了研究者的注意。由于现有工作未充分利用 3D 对象的几何上下文，在分割具有复杂背景的对象时会生成模糊的边界。本文提出了一种几何感知的 3D 显著目标检测网络，显式地将点聚类到超点，以增强对象的几何边界，从而实现带有清晰边界的对象分割。具体而言，我们首先提出了一种简单而有效的超点分区模块，将点聚类到超点。为了提高超点的质量，我们提出了一种点云类别无关的损失，以学习判别性点特征，用于从对象中聚类超点。获得超点后，我们随后提出了一种几何增强模块，该模块利用超点-点注意力机制将几何信息聚合到点特征中，用于预测带有清晰边界的显著图。广泛的实验表明，我们的方法在 PCSOD 数据集上实现了新的最佳性能。
引用
@article{arxiv.2502.16488,
title = {Geometry-Aware 3D Salient Object Detection Network},
author = {Chen Wang and Liyuan Zhang and Le Hui and Qi Liu and Yuchao Dai},
journal= {arXiv preprint arXiv:2502.16488},
year = {2025}
}