PointGroup：3次元インスタンスセグメンテーションのためのデュアルセットポイントグループ化

インスタンスセグメンテーションはシーン理解において重要なタスクである。2Dインスタンスセグメンテーションに比べて、点群に対する3Dインスタンスセグメンテーションはまだ大きく改善の余地がある。本論文では、物体間の空間（ボイド空間）に着目し、点をより効果的にグループ化することを目的として、エンドツーエンドのボトムアップアーキテクチャであるPointGroupを提案する。本手法では、点特徴の抽出とセマンティックラベル、および各点を対応するインスタンスの重心へとシフトするためのオフセットを予測する二本のブランチからなるネットワークを設計している。その後、元の点座標とオフセットでシフトされた点座標の両方を活用するクラスタリング部を設け、それぞれの特長を補完的に活かす。さらに、候補インスタンスの品質を評価するScoreNetを定式化し、その後に非最大値抑制（Non-Maximum Suppression, NMS）を適用して重複を除去する。本手法は、難易度の高い2つのデータセット、ScanNet v2およびS3DISにおいて広範な実験を実施した結果、mAP（IoU閾値0.5）において従来の最良手法（54.9%および54.4%）を上回る最高性能（63.6%および64.0%）を達成した。