OccuSeg：基于占据感知的三维实例分割
计算机视觉与模式识别
2020-04-29 v3
摘要
三维实例分割在机器人与增强现实中有广泛应用，近来需求巨大。与作为环境投影观测的二维图像不同，三维模型提供无遮挡或尺度模糊的场景度量重建。本文中，我们定义“三维占据尺寸”为每个实例所占据的体素数量。其具备预测鲁棒性优势，基于此提出 OccuSeg，一种占据感知的三维实例分割方案。我们的多任务学习同时产生占据信号与嵌入表示，其中空间与特征嵌入的训练因其尺度感知差异而不同。我们的聚类方案受益于预测占据尺寸与聚类占据尺寸之间的可靠比较，其鼓励困难样本被正确聚类并避免过分割。所提方法在 ScanNetV2、S3DIS 与 SceneNN 三个真实数据集上取得最先进性能，同时保持高效率。
引用
@article{arxiv.2003.06537,
title = {OccuSeg: Occupancy-aware 3D Instance Segmentation},
author = {Lei Han and Tian Zheng and Lan Xu and Lu Fang},
journal= {arXiv preprint arXiv:2003.06537},
year = {2020}
}
备注
CVPR 2020, video this https URL https://youtu.be/co7y6LQ7Kqc