PS^2-Net:一种局部与全局感知的基于点的语义分割网络
计算机视觉与模式识别
2021-03-30 v1
摘要
本文提出 PS^2-Net——一种用于三维场景级点云语义分割的局部与全局感知深度学习框架。为深度融合并支持局部结构与全局上下文以辅助三维场景分割,我们的网络构建于四个重复堆叠的编码器之上,每个编码器含两个基本组件:捕捉局部结构的 EdgeConv 与建模全局上下文的 NetVLAD。不同于现有基于点的场景语义分割最优方法或违背或未能实现置换不变性,我们的 PS^2-Net 被设计为置换不变,这是任何用于处理无序点云的深度网络的本质属性。我们进一步提供理论证明以保障网络的置换不变性。我们在两个大规模三维室内场景数据集上进行了充分实验,表明相较现有方法,我们的 PS^2-Net 能够取得最优性能。
引用
@article{arxiv.1908.05425,
title = {PS^2-Net: A Locally and Globally Aware Network for Point-Based Semantic Segmentation},
author = {Na Zhao and Tat-Seng Chua and Gim Hee Lee},
journal= {arXiv preprint arXiv:1908.05425},
year = {2021}
}