要約
私たちは3D点群をスーパーポイントに過分割する新しい監督学習フレームワークを提案します。この問題は、3Dポイントの局所幾何学と放射特性の深層埋め込みを学習することとして定式化されます。これにより、物体の境界が高コントラストで表現されます。埋め込みは、軽量なニューラルネットワークを使用してポイントの局所近傍から計算されます。最後に、学習された埋め込みに基づいて点群の過分割をグラフ分割問題として定式化します。この新しいアプローチにより、密集した屋内データセット（S3DIS）と疎な屋外データセット（vKITTI）において、点群過分割における新たな最先端技術を大幅に達成しています。私たちの最良のソリューションは、S3DIS上で既存の方法と同様の性能を達成するために必要なスーパーポイント数が5倍以上少ないことを示しています。さらに、我々はこのフレームワークがスーパーポイントベースの意味分割アルゴリズムを改善するために使用できることを示し、このタスクでも新たな最先端技術を達成しています。