MASC : Multi-échelle de l'affinité avec convolution creuse pour la segmentation d'instances 3D

Nous proposons une nouvelle approche pour le segmention d'instances en 3D basée sur la convolution creuse et la prédiction d'affinité de points, qui indique la probabilité que deux points appartiennent à la même instance. Le réseau proposé, construit sur la base de la convolution creuse sous-variété [3], traite un nuage de points voxelisé et prédit des scores sémantiques pour chaque voxel occupé ainsi que l'affinité entre les voxels voisins à différentes échelles. Un algorithme de regroupement simple mais efficace segmente les points en instances en fonction de l'affinité prédite et de la topologie du maillage. La sémantique de chaque instance est déterminée par la prédiction sémantique. Les expériences montrent que notre méthode surpass largement les méthodes actuelles de segmentation d'instances sur le benchmark ScanNet largement utilisé [2]. Nous partageons notre code publiquement sur https://github.com/art-programmer/MASC.