要約
3D点群から3D部品インスタンスを認識することは、3D構造とシーン理解にとって重要です。いくつかの学習ベースのアプローチでは、セマンティックセグメンテーションとインスタンス中心予測を訓練タスクとして使用していますが、形状セマンティクスと部品インスタンス間の内在的な関係を十分に活用できていません。本論文では、新しい3D部品インスタンスセグメンテーション手法を提案します。当手法は、セマンティックセグメンテーションを利用して非局所的なインスタンス特徴（例：中心予測）を融合し、さらにマルチレベルおよびクロスレベルで融合スキームを強化します。また、セマンティックリージョン中心予測タスクを提案し、その予測結果を利用してインスタンスポイントのクラスタリングを改善します。当手法はPartNetベンチマークにおいて既存の手法よりも大幅に性能を向上させています。さらに、当特徴融合スキームは他の既存手法にも適用可能であり、室内シーンのインスタンスセグメンテーションタスクでの性能向上に寄与することが示されています。