Główne pojęcia
提案されたアルゴリズムは、LiDAR 3Dスキャンの自動インスタンスベースセグメンテーションを実現し、ラベルなしで高品質なインスタンスセグメンテーションを可能にします。
Streszczenie
ラベルなしでの3Dシーンのインスタンスベースセグメンテーションを提案。
プロキシグラフとNCutアルゴリズムを使用してインスタンスマスクの提案生成。
自己学習アルゴリズムによる初期予測の精緻化。
精度向上に寄与する要素として、点埋め込みが重要であることが示唆されている。
イメージ埋め込みはパフォーマンスに影響を及ぼす可能性がある。
チャンクサイズやボクセルサイズの調整がパフォーマンスに影韓を与えることが示されている。
動的オブジェクトの除去や点の可視性はパフォーマンスにわずかな影響しか与えないことが示されている。
Statystyki
大規模なデータポイントを扱うため、数十億個のサンプリングポイントから局所的なオーバーラップするポイントチャンクでインスタンス予測を行う。
SemanticKITTIベンチマークでは、最良基準値よりも13.3%高い平均精度と9.1%高いF1値を達成。