본 논문은 3D 포인트 클라우드 인스턴스 분할을 위한 새로운 신경망 아키텍처를 제안한다. 이 방법은 프로토타입과 계수를 병렬로 학습하여 인스턴스 예측을 얻는다.
먼저, 특징 추출기를 통해 포인트 별 특징을 추출한다. 그 다음, 다양한 지역 구조를 가진 포인트를 샘플링하는 CoeffNet 모듈과 프로토타입을 생성하는 ProtoScoreNet 모듈이 병렬로 작동한다. CoeffNet 모듈에는 다중 스케일 정보를 효과적으로 활용할 수 있는 확장된 포인트 인셉션 모듈이 포함되어 있다.
프로토타입과 계수를 선형 조합하여 인스턴스 마스크 예측을 생성한다. 이렇게 생성된 과도한 예측 집합에서 비최대 억제 알고리즘을 사용하여 최종 예측을 얻는다.
이 접근 방식을 통해 클러스터링 단계를 생략할 수 있어 더 빠르고 안정적인 추론 시간을 달성할 수 있다. 실험 결과, 제안 방법은 S3DIS-blocks와 PartNet 데이터셋에서 최신 기술을 능가하는 성능을 보였으며, 추론 시간도 28% 더 빠르고 변동성이 매우 낮다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문