摘要
三维实例分割在机器人学与增强现实等领域具有广泛应用，目前需求日益增长。与仅能提供环境投影观测的二维图像不同，三维模型能够实现无遮挡、无尺度模糊的场景度量重建。本文提出“三维占据体积”（3D occupancy size）这一概念，定义为每个实例所占据的体素（voxel）数量。该指标具有预测鲁棒性强的优势，基于此，我们提出了一种感知占据信息的三维实例分割方法——OccuSeg。该方法采用多任务学习框架，同时生成占据信号与嵌入表示，其中空间嵌入与特征嵌入的训练策略根据其尺度感知差异进行差异化设计。我们的聚类策略得益于预测占据体积与聚类后占据体积之间的可靠对比，能够有效促使难样本被正确聚类，同时避免过度分割问题。所提出的算法在三个真实世界数据集（ScanNetV2、S3DIS 和 SceneNN）上均取得了当前最优的性能表现，同时保持了较高的运行效率。