Push-the-Boundary：面向三维点云语义分割的边界感知特征传播
计算机视觉与模式识别
2023-03-27 v1
摘要
前馈全卷积神经网络目前在三维点云语义分割中占主导地位。尽管取得巨大成功，它们仍受限于低层局部信息丢失，给精确场景分割与物体边界勾画带来显著挑战。已有工作或通过后处理解决该问题，或联合学习物体边界以隐式改善网络的特征编码。这些方法常需难以集成入原架构的额外模块。为改善物体边界附近的分割，我们提出一种边界感知特征传播机制。该机制通过多任务学习框架实现，旨在显式地将边界引导回其原始位置。借助一个共享编码器，我们的网络以三个并行流输出（i）边界定位、（ii）指向物体内部的方向预测以及（iii）语义分割。预测的边界与方向被融合以传播所学特征，精炼分割结果。我们在 S3DIS 与 SensatUrban 数据集上对比多种基线方法进行了充分实验，表明所提方法通过减少边界误差带来一致提升。我们的代码见 https://github.com/shenglandu/PushBoundary。
引用
@article{arxiv.2212.12402,
title = {Push-the-Boundary: Boundary-aware Feature Propagation for Semantic Segmentation of 3D Point Clouds},
author = {Shenglan Du and Nail Ibrahimli and Jantien Stoter and Julian Kooij and Liangliang Nan},
journal= {arXiv preprint arXiv:2212.12402},
year = {2023}
}
备注
3DV2022