PSSNet：面向大规模城市场景网格的平面感知语义分割
计算机视觉与模式识别
2022-12-27 v4
摘要
我们引入了一种基于深度学习的新框架，用于解析以纹理网格表示的 3D 城市场景。基于物体边界通常与平面区域边界对齐这一观察，我们的框架分两步实现语义分割：平面感知过分割与语义分类。过分割步骤生成一组初始网格片段，捕捉城市场景的平面与非平面区域。在随后的分类步骤中，我们构建一幅图，其节点编码片段的几何与光度特征，边编码多尺度上下文特征。最终语义分割通过对片段使用图卷积网络分类获得。在两个语义城市网格基准上的实验与对比表明，我们的方法在边界质量、平均 IoU（交并比）和泛化能力上均优于最先进方法。我们还引入了若干用于评估面向语义分割的网格过分割方法的新指标，且我们所提出的过分割方法在所有指标上均优于最先进方法。我们的源代码见 \url{https://github.com/WeixiaoGao/PSSNet}。
引用
@article{arxiv.2202.03209,
title = {PSSNet: Planarity-sensible Semantic Segmentation of Large-scale Urban Meshes},
author = {Weixiao Gao and Liangliang Nan and Bas Boom and Hugo Ledoux},
journal= {arXiv preprint arXiv:2202.03209},
year = {2022}
}
备注
24 pages,11 figures