PointGroup：用于三维实例分割的双重点集分组
计算机视觉与模式识别
2020-04-06 v1
摘要
实例分割是场景理解的一项重要任务。与充分发展的二维领域相比，三维点云实例分割仍有很大提升空间。在本文中，我们提出了 PointGroup，一种新的端到端自底向上架构，专门聚焦于通过探索物体之间的空白空间来更好地对点进行分组。我们设计了一个双分支网络来提取点特征并预测语义标签和偏移量，以将每个点移向其各自的实例质心。随后接一个聚类组件，同时利用原始和偏移后的点坐标集，发挥它们互补的优势。此外，我们构建了 ScoreNet 来评估候选实例，并随后使用非极大值抑制 (NMS) 去除重复项。我们在两个具有挑战性的数据集 ScanNet v2 和 S3DIS 上进行了大量实验，在 IoU 阈值为 0.5 的 mAP 指标上，我们的方法实现了最高性能，分别达到 63.6% 和 64.0%，而此前的最佳方案分别为 54.9% 和 54.4%。
引用
@article{arxiv.2004.01658,
title = {PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation},
author = {Li Jiang and Hengshuang Zhao and Shaoshuai Shi and Shu Liu and Chi-Wing Fu and Jiaya Jia},
journal= {arXiv preprint arXiv:2004.01658},
year = {2020}
}
备注
CVPR 2020