探索PointGroup：双集点分组的3D实例分割

本文标题为“PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation”，作者为来自香港中文大学和SmartMore的Li Jiang、Hengshuang Zhao、Shaoshuai Shi、Shu Liu、Chi-Wing Fu和Jiaya Jia。文章摘要提到，实例分割是场景理解的重要任务。与2D图像相比，3D点云的实例分割还有很大的提升空间。本文提出了一种新的端到端自下而上架构PointGroup，通过探索物体之间的空隙来更好地对点进行分组。作者设计了一个双分支网络来提取点特征并预测语义标签和偏移量，用于将每个点向其各自的实例质心移动。随后是一个聚类组件，它利用原始和偏移后的点坐标集，利用它们互补的优势。此外，作者还制定了ScoreNet来评估候选实例，并通过非极大值抑制（NMS）删除重复项。作者在两个具有挑战性的数据集ScanNet v2和S3DIS上进行了广泛的实验，其中本文的方法取得了最高性能。

文章接下来详细介绍了PointGroup架构的各个部分（架构图见图1）。首先是骨干网络，它接收一个点集作为输入，并为每个点提取特征。然后将特征输入两个分支中，一个用于语义分割，另一个用于预测每个点的偏移向量。接下来是聚类算法部分，作者介绍了一种简单而有效的聚类算法，该算法基于语义信息对点进行聚类。然而，在原始坐标集P上直接进行聚类可能会将两个靠近且具有相同语义标签的对象错误地分组到同一实例中。因此，作者使用学习到的偏移量 o i