3次元インスタンスセグメンテーションのための階層的アグリゲーション

ポイントクラウド上のインスタンスセグメンテーションは、3次元シーン認識における基本的なタスクである。本研究では、点および点集合間の空間的関係を効果的に活用する簡潔なクラスタリングベースのフレームワーク、HAISを提案する。クラスタリングベースの手法は過剰分割や不十分な分割を引き起こす可能性があるため、階層的集約（hierarchical aggregation）を導入し、段階的にインスタンス候補を生成する。具体的には、点を集合に集約して初期クラスタリングを行い、その後集合をさらに集約して完全なインスタンスを生成する。完全な3次元インスタンスが得られた後、インスタンス内予測のサブネットワークを用いてノイズ点のフィルタリングおよびマスク品質スコアリングを実施する。HAISは高速（1フレームあたり410ms）であり、非最大値抑制（non-maximum suppression）を必要としない。ScanNet v2ベンチマークでは1位を獲得し、AP50が69.9%と最高を記録し、従来の最先端（SOTA）手法を大きく上回った。さらに、S3DISデータセットにおいてもSOTA性能を達成しており、優れた一般化能力を示している。コードはhttps://github.com/hustvl/HAISにて公開予定である。