NeuralBF：基于神经双边滤波的点云自顶向下实例分割
计算机视觉与模式识别
2022-07-21 v1 图形学
摘要
我们提出一种用于三维点云实例提议生成的方法。现有技术通常直接在单次前馈步骤中回归提议，导致估计不准确。我们表明这构成一个关键瓶颈，并提出了一种基于带学习核的迭代双边滤波的方法。遵循双边滤波的思想，我们同时考虑每个点的深度特征嵌入及其在三维空间中的位置。我们通过合成实验表明，我们的方法在为给定感兴趣点生成实例提议时带来显著改进。我们进一步在具有挑战性的ScanNet基准上验证我们的方法，在自顶向下方法的子类别中取得了最佳的实例分割性能。
引用
@article{arxiv.2207.09978,
title = {NeuralBF: Neural Bilateral Filtering for Top-down Instance Segmentation on Point Clouds},
author = {Weiwei Sun and Daniel Rebain and Renjie Liao and Vladimir Tankovich and Soroosh Yazdani and Kwang Moo Yi and Andrea Tagliasacchi},
journal= {arXiv preprint arXiv:2207.09978},
year = {2022}
}
备注
Project website: https://neuralbf.github.io