摘要
点云实例分割是三维场景感知中的基础任务。本文提出了一种简洁的基于聚类的框架HAIS，充分挖掘点与点集之间的空间关系。针对基于聚类的方法可能引发过分割或欠分割的问题，我们引入了层次化聚合机制，分步生成实例候选：首先进行点聚合，将点初步聚类为点集；随后进行集聚合，从点集生成完整的三维实例。在获得完整的3D实例后，引入一个内部实例预测子网络，用于剔除噪声点并进行掩码质量评分。HAIS具有高效性（每帧仅需410毫秒），且无需非极大值抑制（non-maximum suppression）。在ScanNet v2基准测试中，HAIS取得第一名，达到69.9%的AP50，显著超越此前的最先进方法（SOTA）。此外，在S3DIS数据集上取得的SOTA性能也验证了该方法出色的泛化能力。代码将开源，地址为：https://github.com/hustvl/HAIS。