摘要
三维场景中的实例分割在场景理解的诸多应用中具有基础性作用。然而，由于数据分布不规则以及实例数量不确定等复杂因素，该任务仍极具挑战性。当前最先进的方法大多采用一种通用流程：首先学习具有语义与实例区分能力的点级特征，随后通过独立的点分组步骤来生成物体实例。尽管该方法展现出良好前景，但仍存在两个主要缺陷：（1）第二步的点分组过程未直接由实例分割的主要目标进行监督，导致优化目标不一致；（2）点级特征学习与分组机制对数据不规则性处理能力有限，可能导致分割结果碎片化。为解决上述问题，本文提出一种端到端的解决方案——语义超点树网络（Semantic Superpoint Tree Network, SSTNet），用于从场景点云中直接生成物体实例。SSTNet的核心是一个中间结构——语义超点树（Semantic Superpoint Tree, SST），该结构基于学习到的超点语义特征构建，并在中间树节点处进行遍历与分裂，以生成实例候选。此外，SSTNet还设计了一种称为CliqueNet的精炼模块，用于剔除可能被错误归入实例候选的超点，从而提升分割精度。在ScanNet与S3DIS两个基准数据集上的实验结果表明，所提方法具有显著有效性。在投稿时，SSTNet在ScanNet（V2）排行榜上位列第一，其mAP指标比第二名高出2%。相关PyTorch实现代码已开源，地址为：https://github.com/Gorilla-Lab-SCUT/SSTNet。