التوحيد الهرمي للانقسام الثلاثي الأبعاد للمثيلات

التقسيم الInstance على السحابات النقطية هو مهمة أساسية في إدراك المشاهد ثلاثية الأبعاد. في هذا العمل، نقترح إطارًا مبسطًا يعتمد على التجميع يُسمى HAIS، والذي يستغل بالكامل العلاقات المكانية بين النقاط ومجموعات النقاط. نظرًا لأن الطرق القائمة على التجميع قد تؤدي إلى تقسيم مفرط أو ناقص، نقدم عملية التجميع الهرمي لتكوين اقتراحات للهويات بشكل تدريجي، أي تجميع النقاط لتشكيل مجموعات أولية للتقسيم، ثم تجميع المجموعات لتكوين الهويات الكاملة. بمجرد الحصول على الهويات الثلاثية الأبعاد الكاملة، نستخدم شبكة فرعية للتنبؤ الداخلي للهوية لتصفية النقاط الضوضائية وتقدير جودة القناع. يتميز HAIS بالسرعة (410 مللي ثانية لكل إطار) ولا يتطلب تثبيطًا غير الأقصى (non-maximum suppression). وحقق المركز الأول في معيار ScanNet v2، مع تحقيق أعلى قيمة AP50 بنسبة 69.9%، متفوقًا بشكل كبير على الطرق السابقة المتميزة (SOTA). علاوة على ذلك، تؤكد النتائج المتميزة على مجموعة بيانات S3DIS قدرة التعميم الجيدة للنظام. سيتم نشر الشفرة على الرابط: https://github.com/hustvl/HAIS.