在点云中学习高斯实例分割
计算机视觉与模式识别
2020-07-21 v1
摘要
本文提出一种用于三维点云实例分割的新方法。所提方法称为高斯实例中心网络（GICN），其可将散布于整个场景中的实例中心的分布近似为高斯中心热图。基于预测的热图，可以高效地轻松选出少量中心候选用于后续预测，包括 i) 预测每个中心的实例尺寸以决定提取特征的范围，ii) 为中心生成边界框，以及 iii) 产生最终的实例掩码。GICN 是一种单阶段、无锚框且端到端的架构，易于训练且推理高效。得益于具有自适应实例尺寸选择以中心为主导的机制，我们的方法在 ScanNet 与 S3DIS 数据集上的三维实例分割任务中取得了当前最优（state-of-the-art）性能。
引用
@article{arxiv.2007.09860,
title = {Learning Gaussian Instance Segmentation in Point Clouds},
author = {Shih-Hung Liu and Shang-Yi Yu and Shao-Chi Wu and Hwann-Tzong Chen and Tyng-Luh Liu},
journal= {arXiv preprint arXiv:2007.09860},
year = {2020}
}