语言级语义条件的三维点云分割

本文提出一种用于三维点云分割的语言级语义条件框架，称为 SeCondPoint，其中引入语言级语义以条件化点特征分布的建模与伪特征生成，并进一步提出基于特征-几何的混合方法来促进分布学习。据我们所知，这是文献中首次尝试将语言级语义引入三维点云分割任务。由于得益于语义条件化建模可从所学分布生成大量点特征，任何现有分割网络均可嵌入所提框架以提升性能。此外，该框架具有处理新类别的固有优势，这对当前分割网络似乎是不可能完成的任务。在两个公开数据集上的大量实验结果表明，三种典型分割网络在常规三维分割任务中经所提框架增强后，相较原始性能均有显著提升。我们还为新引入的零样本三维分割任务引入两个基准，结果同样验证了所提框架。