OSIS：高效的单阶段三维实例分割网络
计算机视觉与模式识别
2023-03-14 v1
摘要
当前的三维实例分割模型通常使用多阶段方法来提取实例对象，包括聚类、特征提取和后处理过程。然而，这些多阶段方法依赖于超参数设置和手工设计过程，限制了模型的推理速度。本文中，我们提出了一种新的三维点云实例分割网络，名为 OSIS。OSIS 是一个单阶段网络，直接使用神经网络从三维点云数据中分割实例。为了直接从网络分割实例，我们提出了一种实例解码器，将网络中的实例特征解码为实例片段。我们提出的 OSIS 通过二分匹配实现端到端训练，因此，我们的网络在推理过程中不需要计算昂贵的后处理步骤，如非极大值抑制（NMS）和聚类。结果表明，我们的网络在常用的室内场景实例分割数据集上最终取得了优异性能，且网络推理速度平均每场景仅 138 毫秒，大幅超越此前最快的方法。
引用
@article{arxiv.2303.07011,
title = {OSIS: Efficient One-stage Network for 3D Instance Segmentation},
author = {Chuan Tang and Xi Yang},
journal= {arXiv preprint arXiv:2303.07011},
year = {2023}
}