GSPN：面向点云三维实例分割的生成式形状提议网络
计算机视觉与模式识别
2018-12-11 v1
摘要
我们提出了一种名为生成式形状提议网络（GSPN）的新型三维目标提议方法，用于点云数据中的实例分割。我们没有将目标提议视为直接的边界框回归问题，而是采用分析-合成策略，通过从场景中的含噪观测重建形状来生成提议。我们将 GSPN 整合到一个名为基于区域的 PointNet（R-PointNet）的新型三维实例分割框架中，该框架支持灵活的提议细化与实例分割生成。我们在多个三维实例分割任务上取得了最先进的性能。GSPN 的成功很大程度上源于其在目标提议过程中对几何理解的重视，这极大地减少了低目标性（objectness）的提议。
引用
@article{arxiv.1812.03320,
title = {GSPN: Generative Shape Proposal Network for 3D Instance Segmentation in Point Cloud},
author = {Li Yi and Wang Zhao and He Wang and Minhyuk Sung and Leonidas Guibas},
journal= {arXiv preprint arXiv:1812.03320},
year = {2018}
}