Divide and Conquer: 3D Point Cloud Instance Segmentation With Point-Wise Binarization-Toy模板网

这篇具有很好参考价值的文章主要介绍了Divide and Conquer: 3D Point Cloud Instance Segmentation With Point-Wise Binarization。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

Abstract

点云上的实例分割对于三维场景理解至关重要。大多数最先进的方法采用距离聚类，这通常是有效的，但在对具有相同语义标签的相邻对象进行分割时表现不佳（特别是当它们共享相邻点时）。由于偏移点分布不均匀，这些现有方法几乎无法聚类所有实例点。为此，我们设计了一种新颖的分治策略，命名为PBNet，该策略将每个点二值化并分别进行聚类以进行实例分割。我们的二值聚类将偏移实例点划分为两类：高密度点（HPs）和低密度点（LPs）。通过删除LPs，相邻对象可以清晰地分开，然后通过邻居投票方法对LPs进行分配来完成和细化。为了抑制潜在的过度分割，我们建议为每个实例构建带有权重掩码的局部场景。作为插件，提出的二值聚类可以替代传统的距离聚类，并在许多主流基准上实现一致的性能提升。在ScanNetV2和S3DIS数据集上进行的一系列实验表明了我们模型的优越性。特别是，PBNet在ScanNetV2官方基准挑战中排名第一，达到了最高的mAP。代码将公开在 https://github.com/weiguangzhao/PBNet。

Divide and Conquer: 3D Point Cloud Instance Segmentation With Point-Wise Binarization,3D实例分割,3d,点云,3d实例分割

图 2. 网络架构。

3. Our Method

3.1. Architecture Overview

PBNet的整体网络架构如图2所示，由四个主要部分组成：骨干网络（a）、二值文章来源地址https://www.toymoban.com/news/detail-830471.html

到了这里，关于Divide and Conquer: 3D Point Cloud Instance Segmentation With Point-Wise Binarization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！