SGPN：用于三维点云实例分割的相似度分组提议网络
计算机视觉与模式识别
2019-06-03 v2
摘要
我们提出了相似度分组提议网络（SGPN），一个简单直观的用于点云上三维物体实例分割的深度学习框架。SGPN 使用单个网络预测点的分组提议以及每个提议对应的语义类别，从中我们可以直接提取实例分割结果。对 SGPN 有效性至关重要的是其以相似度矩阵形式对三维实例分割结果的新颖表示，该矩阵指示嵌入特征空间中每对点之间的相似度，从而为每个点生成准确的分组提议。据我们所知，SGPN 是第一个在点云上学习三维实例感知语义分割的框架。在各种三维场景上的实验结果表明了我们的方法在三维实例分割上的有效性，并且我们还评估了 SGPN 提升三维物体检测和语义分割结果的能力。我们还通过无缝地将二维 CNN 特征整合到框架中以提高性能，展示了其灵活性。
引用
@article{arxiv.1711.08588,
title = {SGPN: Similarity Group Proposal Network for 3D Point Cloud Instance Segmentation},
author = {Weiyue Wang and Ronald Yu and Qiangui Huang and Ulrich Neumann},
journal= {arXiv preprint arXiv:1711.08588},
year = {2019}
}