SGPN : Réseau de Proposition de Groupes de Similarité pour le Segmentation d'Instances de Nuages de Points 3D

Nous présentons le Similarity Group Proposal Network (SGPN), un cadre de deep learning simple et intuitif pour la segmentation d'instances d'objets 3D sur des nuages de points. Le SGPN utilise un seul réseau pour prédire des propositions de groupement de points et une classe sémantique correspondante pour chaque proposition, à partir desquelles nous pouvons extraire directement les résultats de segmentation d'instances. Un élément crucial pour l'efficacité du SGPN est sa nouvelle représentation des résultats de segmentation d'instances 3D sous forme de matrice de similarité, qui indique la similarité entre chaque paire de points dans l'espace des caractéristiques plongées, produisant ainsi une proposition de groupement précise pour chaque point. À notre connaissance, le SGPN est le premier cadre à apprendre la segmentation sémantique 3D consciente des instances sur des nuages de points. Les résultats expérimentaux sur diverses scènes 3D montrent l'efficacité de notre méthode en matière de segmentation d'instances 3D, et nous évaluons également la capacité du SGPN à améliorer les résultats de détection d'objets 3D et de segmentation sémantique. Nous démontrons également sa flexibilité en intégrant sans heurts les caractéristiques des CNN 2D dans le cadre afin d'améliorer les performances.