초록
3D 포인트 클라우드에서 3D 부품 인스턴스를 인식하는 것은 3D 구조와 장면 이해에 매우 중요합니다. 몇몇 학습 기반 접근 방식은 의미 분할과 인스턴스 중심 예측을 훈련 과제로 사용하지만, 형태의 의미와 부품 인스턴스 간의 본질적인 관계를 충분히 활용하지 못하고 있습니다. 본 논문에서는 새로운 3D 부품 인스턴스 분할 방법을 제시합니다. 우리의 방법은 의미 분할을 이용하여 비국소적 인스턴스 특성을 융합하며, 이를 다중 및 교차 수준으로 더욱 강화합니다. 또한, 의미 영역 중심 예측 과제를 제안하여 이 예측 결과를 활용해 인스턴스 포인트의 클러스터링을 개선합니다. 우리의 방법은 PartNet 벤치마크에서 현저한 성능 향상을 보여 기존 방법들을 크게 능가합니다. 또한, 우리의 특성 융합 방식이 실내 장면 인스턴스 분할 작업에서 다른 기존 방법들의 성능을 향상시키는 데 적용될 수 있음을 입증하였습니다.