面向三维实例分割的层次化聚合方法
计算机视觉与模式识别
2021-08-06 v1
摘要
点云上的实例分割是三维场景感知中的基础任务。在本工作中，我们提出了一个名为 HAIS 的简洁基于聚类的框架，其充分利用了点与点集的空间关系。考虑到基于聚类的方法可能导致过分割或欠分割，我们引入层次化聚合以逐步生成实例提议，即点聚合用于将点初步聚类为点集，以及集聚合用于从点集生成完整实例。一旦获得完整的三维实例，便采用实例内预测子网络进行噪声点过滤与掩码质量评分。HAIS 速度快（每帧仅 410ms）且不需要非极大值抑制。它在 ScanNet v2 基准上排名第 1，取得最高的 69.9% AP50，并大幅超越先前最先进（SOTA）方法。此外，在 S3DIS 数据集上的 SOTA 结果验证了其良好的泛化能力。代码将发布于 https://github.com/hustvl/HAIS。
引用
@article{arxiv.2108.02350,
title = {Hierarchical Aggregation for 3D Instance Segmentation},
author = {Shaoyu Chen and Jiemin Fang and Qian Zhang and Wenyu Liu and Xinggang Wang},
journal= {arXiv preprint arXiv:2108.02350},
year = {2021}
}
备注
Accepted by ICCV 2021