JSENet：面向 3D 点云的联合语义分割与边缘检测网络
计算机视觉与模式识别
2021-07-30 v1
摘要
语义分割与语义边缘检测可视为计算机视觉中两个关系密切的对偶问题。尽管基于学习的 3D 语义分割方法快速发展，但少有研究关注 3D 语义边缘检测器的学习，更鲜有针对两任务的联合学习方法。本文首次处理 3D 语义边缘检测任务，并提出一种新的双流全卷积网络联合执行这两个任务。特别地，我们设计了一个联合细化模块，显式地连接区域信息与边缘信息以提升两任务的性能。此外，我们提出了一种新颖的损失函数，鼓励网络产生具有更优边界的语义分割结果。在 S3DIS 和 ScanNet 数据集上的大量评估表明，我们的方法在语义分割上达到与最先进（SOTA）方法相当或更好的性能，并在语义边缘检测上优于基线方法。代码发布：https://github.com/hzykent/JSENet
引用
@article{arxiv.2007.06888,
title = {JSENet: Joint Semantic Segmentation and Edge Detection Network for 3D Point Clouds},
author = {Zeyu Hu and Mingmin Zhen and Xuyang Bai and Hongbo Fu and Chiew-lan Tai},
journal= {arXiv preprint arXiv:2007.06888},
year = {2021}
}
备注
Accepted to ECCV 2020, supplementary materials included