GeoSpark：以几何线索点燃点云分割
计算机视觉与模式识别
2023-03-16 v1
摘要
当前点云分割架构受制于有限的长程特征建模，因为它们主要依赖局部邻域的信息聚合。此外，为在多尺度学习点特征，多数方法利用与数据无关的采样方法在每一阶段后减少点的数量。然而，此类采样方法常在早期阶段丢弃小物体的点，导致特征学习不充分。我们认为这些问题可通过引入显式几何线索作为引导来缓解。为此，我们提出GeoSpark，一个将几何线索融入网络以点燃特征学习与下采样的插件模块。GeoSpark可轻松集成到多种骨干网络中。对于特征聚合，它通过让网络从局部点与邻近几何划分共同学习来改进特征建模，从而得到扩大的数据定制感受野。此外，GeoSpark利用几何划分信息引导下采样过程，保留具有独特特征的点而融合冗余点，从而更好地在网络中保留关键点。我们在PointNet++、KPConv与PointTransformer等多种骨干上加入GeoSpark后均观察到一致提升。值得注意的是，当与Point Transformer集成时，我们的GeoSpark模块在ScanNetv2数据集上达到74.7% mIoU（提升4.1%），在S3DIS Area 5数据集上达到71.5% mIoU（提升1.1%），在两个基准上均排名首位。代码与模型将公开提供。
引用
@article{arxiv.2303.08274,
title = {GeoSpark: Sparking up Point Cloud Segmentation with Geometry Clue},
author = {Zhening Huang and Xiaoyang Wu and Hengshuang Zhao and Lei Zhu and Shujun Wang and Georgios Hadjidemetriou and Ioannis Brilakis},
journal= {arXiv preprint arXiv:2303.08274},
year = {2023}
}