空间语义嵌入网络：基于深度度量学习的快速三维实例分割
计算机视觉与模式识别
2020-07-08 v1
摘要
我们提出空间语义嵌入网络（SSEN），一种简单而高效、基于深度度量学习的三维实例分割算法。室内环境的原始三维重建存在遮挡与噪声，且未对各个实体作出有意义的区分。对于大规模场景中的高层智能任务，三维实例分割用于识别物体的各个实例。我们通过简单地学习正确的嵌入空间来处理实例分割，该空间将物体的各个实例映射为反映空间与语义信息的不同簇。与需要复杂预处理或后处理的先前方法不同，我们的实现紧凑且快速，性能具有竞争力，并在高分辨率体素的大规模场景上保持可扩展性。我们在 ScanNet 三维实例分割基准的 AP 分数上展示了算法的 SOTA 性能。
引用
@article{arxiv.2007.03169,
title = {Spatial Semantic Embedding Network: Fast 3D Instance Segmentation with Deep Metric Learning},
author = {Dongsu Zhang and Junha Chun and Sang Kyun Cha and Young Min Kim},
journal= {arXiv preprint arXiv:2007.03169},
year = {2020}
}