Abstract
现有的最先进的三维实例分割方法先进行语义分割,然后再进行分组。在进行语义分割时进行hard predictions,使每个点都与单一类别相关。然而,由hard decision产生的错误会传播到分组中,导致(1)预测的实例与ground truth之间的重叠度低,(2)大量的false positives。为了解决上述问题,本文提出了一种被称为SoftGroup的三维实例分割方法,通过自下而上的soft grouping和自上而下的细化来完成。SoftGroup允许每个点与多个类别相关联,以减轻语义预测错误带来的问题,并通过学习将其归类为背景来抑制false positive实例。在不同的数据集和多种评价指标上的实验结果证明了SoftGroup的功效。它的性能超过了先前最强的方法,就 A P 50 A P_{50} AP文章来源地址https://www.toymoban.com/news/detail-400996.html
文章来源:https://www.toymoban.com/news/detail-400996.html
到了这里,关于(CVPR 2022) SoftGroup for 3D Instance Segmentation on Point Clouds的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!