ProtoSeg：一种基于原型的点云实例分割方法
计算机视觉与模式识别
2024-10-04 v1
摘要
3D 实例分割对于获取点云场景理解至关重要。本文提出了一种新型神经网络架构，用于对3D点云执行实例分割。我们提出并行学习系数和原型，这些系数和原型可以组合以获得实例预测。系数通过一个新颖的多尺度模块计算，称为扩张点 inception。由于获得的数据实例掩码预测集过于冗余，我们采用非最大抑制算法来获取最终预测。这种方法可以省去耗时的聚类步骤，从而实现更稳定的推理时间。我们的方法不仅比最先进的方法快28%，而且具有最低的标准差。我们的实验表明，推理时间的标准差仅为总时间的1.0%，而对于最先进的方法则范围在10.8%至53.1%之间。最后，我们的方法在S3DIS-blocks（Fold-5上的mRec提升4.9%）和PartNet（平均mAP提升2.0%）上均优于最先进方法。
关键词
引用
@article{arxiv.2410.02352,
title = {ProtoSeg: A Prototype-Based Point Cloud Instance Segmentation Method},
author = {Remco Royen and Leon Denis and Adrian Munteanu},
journal= {arXiv preprint arXiv:2410.02352},
year = {2024}
}