超级会员免费看
本文提出SoftGroup，一种针对点云3D实例分割的新方法，通过软分组和自上而下细化减少语义预测错误的影响，提高分割准确性。实验结果表明，SoftGroup在实例分割和目标检测任务上表现出显著优势。
SoftGroup for 3D Instance Segmentation on Point Clouds
论文简介：
现有的最先进的三维实例分割方法先进行语义分割然后执行分组。当执行语义分割时，会进行硬预测，使每个点与单个类相关联。然而，如下图所示，由硬决策引起的错误传播到分组中会导致预测实例与真值之间的低重叠，以及出现许多假阳性。
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，即进行自下而上的软分组，然后进行自上而下的细化。
SoftGroup 允许每个点与多个类相关联，以减轻由语义预测错误引起的问题，并通过学习将它们归类为背景来抑制假阳性实例。在不同数据集和多种评价指标上的实验结果证明了 SoftGroup 的有效性。
作者的发现是，有错误语义预测的对象部分对于真正的
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
