GeoSegNet：基于几何编解码建模的点云语义分割
计算机视觉与模式识别
2023-06-02 v1 图形学
摘要
点云语义分割旨在为每个点分配一个语义类别，对三维场景理解至关重要。尽管近年来取得了显著进展，大多数现有方法仍受限于物体级误分类或边界级模糊。本文中，我们提出了一个通过深入探索点云几何的鲁棒语义分割网络，称为GeoSegNet。我们的GeoSegNet由一个基于多几何的编码器和一个边界引导的解码器组成。在编码器中，我们从多几何视角开发了一个新的残差几何模块来提取物体级特征。在解码器中，我们引入了一个对比边界学习模块来增强边界点的几何表示。得益于几何编解码建模，我们的GeoSegNet能够有效推断物体的分割，同时使两个或多个物体的交集（边界）清晰。实验表明，我们的方法在整体分割精度和物体边界清晰度方面相较竞争对手有明显提升。代码见 https://github.com/Chen-yuiyui/GeoSegNet。
引用
@article{arxiv.2207.06766,
title = {GeoSegNet: Point Cloud Semantic Segmentation via Geometric Encoder-Decoder Modeling},
author = {Chen Chen and Yisen Wang and Honghua Chen and Xuefeng Yan and Dayong Ren and Yanwen Guo and Haoran Xie and Fu Lee Wang and Mingqiang Wei},
journal= {arXiv preprint arXiv:2207.06766},
year = {2023}
}