分割統治：ポイントワイズバイナリ化を用いた3Dポイントクラウドインスタンスセグメンテーション

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、3Dシーン理解において極めて重要な役割を果たしている。現在の最先端技術（SOTA）の多くは距離クラスタリングを採用しているが、これは一般的には有効であるものの、同じ意味的ラベルを持つ隣接するオブジェクト（特に隣接する点を共有する場合）のセグメンテーション性能が劣るという課題を抱えている。オフセット点の分布が不均一であるため、従来の手法ではすべてのインスタンス点を適切にクラスタリングすることが困難である。この問題に対処するために、本研究では各点を二値化し、個別にクラスタリングを行う新たな「分割統治戦略」PBNetを提案する。本手法の二値クラスタリングは、オフセットされたインスタンス点を「高密度点（HPs）」と「低密度点（LPs）」の2種類に分類する。隣接するオブジェクトはLPsを除去することで明確に分離でき、その後、近隣投票法を用いてLPsを再割り当てすることで、オブジェクトを補完・精緻化する。過剰なセグメンテーションを抑制するため、各インスタンスに対して重みマスクを用いて局所シーンを構築する手法を提案する。本手法は汎用的なプラグインとして設計されており、従来の距離クラスタリングに置き換えることで、多数の主流ベースラインにおいて一貫した性能向上を実現する。ScanNetV2およびS3DISデータセットを用いた一連の実験結果から、本モデルの優位性が示された。特に、ScanNetV2公式ベンチマークチャレンジにおいて最高のmAPを達成し、首位にランクインした。コードは公開予定であり、GitHubにて提供される予定である：https://github.com/weiguangzhao/PBNet。