RESSCAL3D：点云的分辨率可扩展 3D 语义分割
计算机视觉与模式识别
2024-04-11 v1
摘要
尽管基于深度学习的方法在众多领域展现出了出色的结果，但仍缺少一些重要功能。分辨率可扩展性便是其中之一。在本工作中，我们引入了一种名为 RESSCAL3D 的新颖架构，可提供点云的分辨率可扩展 3D 语义分割。与现有工作不同，所提出的方法不需要整个点云都可用即可开始推理。一旦输入点云的低分辨率版本可用，就能以极快的方式生成初步的语义预测。这使得在后续处理步骤中能够进行早期决策。随着额外的点变得可用，它们将被并行处理。为了提高性能，先前计算尺度中的特征被用作当前尺度的先验知识。我们的实验表明，RESSCAL3D 比不可扩展的基线快 31-62%，同时对性能的影响有限。据我们所知，所提出的方法是首个提出基于深度学习的点云分辨率可扩展 3D 语义分割方法的工作。
引用
@article{arxiv.2404.06863,
title = {RESSCAL3D: Resolution Scalable 3D Semantic Segmentation of Point Clouds},
author = {Remco Royen and Adrian Munteanu},
journal= {arXiv preprint arXiv:2404.06863},
year = {2024}
}
备注
Published at 2023 IEEE International Conference on Image Processing (ICIP)