PointInst3D：基于点的三维实例分割
计算机视觉与模式识别
2022-07-14 v2
摘要
当前三维实例分割的最先进方法通常包含聚类步骤，尽管其倾向于启发式、贪心算法，且对数据统计变化的鲁棒性不足。相反，我们提出一种全卷积的三维点云实例分割方法，以逐点预测方式工作。由此它避免了基于聚类的方法所面临的挑战：引入模型不同任务间的依赖。我们发现其成功的关键在于为每个采样点分配合适的目标。不同于常用的静态或基于距离的分配策略，我们提出使用最优传输（Optimal Transport）方法，根据动态匹配代价将目标掩码最优地分配给采样点。我们的方法在 ScanNet 与 S3DIS 基准上均取得了有前景的结果。所提方法消除了任务间依赖，因而代表了一个比其他竞争方法更简单、更灵活的三维实例分割框架，同时实现了更高的分割精度。
引用
@article{arxiv.2204.11402,
title = {PointInst3D: Segmenting 3D Instances by Points},
author = {Tong He and Wei Yin and Chunhua Shen and Anton van den Hengel},
journal= {arXiv preprint arXiv:2204.11402},
year = {2022}
}
备注
Accepted by ECCV22. Code and model will be released at https://github.com/tonghe90/PointInst3D