GSIP：大规模室内点云的绿色语义分割
计算机视觉与模式识别
2022-11-15 v2
摘要
本文提出了一种针对大规模室内场景点云语义分割的高效解决方案。该方法命名为GSIP（室内点云绿色分割，Green Segmentation of Indoor Point clouds），并在具代表性的大规模基准——斯坦福三维室内分割(S3DIS)数据集上评估了其性能。GSIP包含两个新颖组件：1) 一种房间式数据预处理方法，选取合适的点子集供后续处理；2) 一个由PointHop扩展而来的新特征提取器。前者将每个房间的采样点作为一个输入单元。后者识别并修复了PointHop在扩展到大规模点云时特征提取的弱点，采用了更简单的处理流程。与开创性的深度学习方案PointNet相比，GSIP是绿色的，因其计算复杂度显著更低且模型规模小得多。此外，实验表明GSIP在S3DIS数据集上的分割性能优于PointNet。
引用
@article{arxiv.2109.11835,
title = {GSIP: Green Semantic Segmentation of Large-Scale Indoor Point Clouds},
author = {Min Zhang and Pranav Kadam and Shan Liu and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2109.11835},
year = {2022}
}
备注
10 pages, 3 figures