探究三维点云语义分割中难以区分的点
计算机视觉与模式识别
2021-08-27 v4 图像与视频处理
摘要
本文研究大规模三维点云语义分割中难以区分的点（难以预测标签的点）。难以区分的点包括位于复杂边界的点、具有相似局部纹理但类别不同的点，以及孤立小困难区域中的点，它们严重损害三维语义分割的性能。为应对这一挑战，我们提出一种新颖的难以区分区域聚焦网络（IAF-Net），该网络利用分层语义特征自适应地选择难以区分的点，并增强点的细粒度特征，尤其是那些难以区分的点。我们还引入多阶段损失以渐进方式改善特征表示。此外，为分析难以区分区域的分割性能，我们提出一种称为基于难以区分点的度量（IPBM）的新评价指标。我们的 IAF-Net 在 S3DIS 和 ScanNet 等几个流行的三维点云数据集上取得了与当前最优性能相当的结果，并在 IPBM 上明显优于其他方法。
引用
@article{arxiv.2103.10339,
title = {Investigate Indistinguishable Points in Semantic Segmentation of 3D Point Cloud},
author = {Mingye Xu and Zhipeng Zhou and Junhao Zhang and Yu Qiao},
journal= {arXiv preprint arXiv:2103.10339},
year = {2021}
}
备注
AAAI2021