SPGroup3D：用于室内 3D 物体检测的超点分组网络
计算机视觉与模式识别
2023-12-22 v1
摘要
当前针对室内场景的 3D 物体检测方法主要遵循投票与分组策略来生成提议。然而，大多数方法利用与实例无关的分组（如球查询），导致提议的语义信息不一致和回归不准确。为此，我们提出了一种用于室内无锚点单阶段 3D 物体检测的新型超点分组网络。具体而言，我们首先采用无监督方式将原始点云划分为超点，即具有语义一致性和空间相似性的区域。然后，我们设计了一个几何感知投票模块，通过约束超点与物体中心之间的空间关系，以适应无锚点检测中的中心度。接下来，我们提出了一个基于超点的分组模块，以探索提议内的一致表示。该模块包括一个超点注意力层，用于学习相邻超点之间的特征交互，以及一个超点 - 体素融合层，用于将超点级信息传播到体素级。最后，我们采用有效的多重匹配，以在训练期间利用基于超点的提议的动态感受野。实验结果表明，我们的方法在 ScanNet V2、SUN RGB-D 和 S3DIS 数据集的室内单阶段 3D 物体检测中达到了最先进的性能。源代码可在 https://github.com/zyrant/SPGroup3D 获取。
引用
@article{arxiv.2312.13641,
title = {SPGroup3D: Superpoint Grouping Network for Indoor 3D Object Detection},
author = {Yun Zhu and Le Hui and Yaqi Shen and Jin Xie},
journal= {arXiv preprint arXiv:2312.13641},
year = {2023}
}
备注
Accepted by AAAI 2024