基于扩张图特征聚合与金字塔解码器的点云场景语义分割
计算机视觉与模式识别
2022-11-04 v3
摘要
点云语义分割通过为每个点密集预测类别来生成对场景的全面理解。由于感受野的唯一性，点云语义分割在多感受野特征表达方面仍具挑战性，这导致了具有相似空间结构实例的误分类。本文提出一种以扩张图特征聚合（DGFA）为根基、由通过金字塔解码器计算的多基聚合损失（MALoss）引导的图卷积网络DGFA-Net。为构建多感受野特征，DGFA以所提出的扩张图卷积（DGConv）为基本单元，旨在通过捕获具有不同感受区域的扩张图来聚合多尺度特征表示。通过同时考虑以不同分辨率点集作为计算基来对感受野信息进行惩罚，我们引入了由MALoss驱动的金字塔解码器以实现感受野基的多样性。结合这两方面，DGFA-Net显著提升了具有相似空间结构实例的分割性能。在S3DIS、ShapeNetPart和Toronto-3D上的实验表明，DGFA-Net优于基线方法，取得了新的SOTA分割性能。
引用
@article{arxiv.2204.04944,
title = {Semantic Segmentation for Point Cloud Scenes via Dilated Graph Feature Aggregation and Pyramid Decoders},
author = {Yongqiang Mao and Xian Sun and Kaiqiang Chen and Wenhui Diao and Zonghao Guo and Xiaonan Lu and Kun Fu},
journal= {arXiv preprint arXiv:2204.04944},
year = {2022}
}
备注
AAAI Workshop 2022