使用子流形稀疏卷积网络进行3D语义分割

卷积网络已成为分析时空数据（如图像、视频和3D形状）的事实标准。虽然某些数据天然密集（例如，照片），但许多其他数据源本质上是稀疏的。例如，使用LiDAR扫描仪或RGB-D相机获取的3D点云。将标准的“密集”卷积网络实现应用于此类稀疏数据时，效率非常低下。我们引入了新的稀疏卷积运算，旨在更高效地处理空间稀疏数据，并利用这些运算开发了空间稀疏卷积网络。我们在涉及3D点云语义分割的两项任务中展示了所提出模型的强大性能，这些模型被称为子流形稀疏卷积网络（Submanifold Sparse Convolutional Networks, SSCNs）。特别是，我们的模型在最近一次语义分割竞赛的测试集中超越了所有先前的最佳方法。