基于图引导的双层数据增强用于3D场景分割

3D点云分割旨在为场景中 individual points 分配语义标签，以实现细粒度的空间理解。现有方法通常采用数据增强来缓解大规模标注的负担。然而，大多数增强策略仅关注局部变换或语义重组，缺乏对场景中全局结构依赖的考虑。为此，我们提出了一种基于图引导的数据增强框架，采用双层约束用于真实3D场景合成。该方法从真实数据中学习对象关系统计信息，以构建场景生成的引导图。局部层面的约束确保对象之间几何合理性和语义一致性，而全局层面的约束通过对齐生成布局与引导图来维持场景的拓扑结构。在室内和户外数据集上进行的广泛实验表明，我们的框架生成多样且高质量的增强场景，导致在各种模型下进行点云分割性能的持续性提高。