3D语义分割是几个场景的基本构建块，了解自主驾驶，机器人和AR / VR等应用程序。若干最先进的语义分割模型遭受零件错误分类问题，其中相同对象的部分被错误地标记。以前的方法已经利用了分层，迭代方法来熔断语义和实例信息，但它们在上下文融合中缺乏可读性，并且是计算复杂和启发式驱动的。本文提出了分段融合，一种基于新的语义和实例信息的分层融合方法，以解决零件错误分类。呈现的方法包括图形分段算法，用于将点分组到段落的段，该段汇编到分段 - 方向特征中的点亮特征，基于学习的关注的网络基于它们的语义和实例特征来融合这些段，然后是简单而有效的连接的组件标记算法将段特征转换为实例标签。段融合可以灵活地使用任何网络架构进行语义/实例分段。当在SCANNet和S3DIS数据集上评估时，它通过高达5％提高了多个语义细分骨架的定性和定量性能。
translated by 谷歌翻译