Joint prototype and coefficient prediction for 3D instance segmentation

要約

3D インスタンスのセグメンテーションは、包括的な 3D シーンの理解を必要とするアプリケーションにとって重要です。
本稿では、係数とプロトタイプを同時に学習する新しい方法を紹介します。
過完全なサンプリング戦略を採用することで、私たちのメソッドは過完全なインスタンス予測のセットを生成し、その中から推論中に非最大抑制 (NMS) アルゴリズムを通じて最適なものが選択されます。
得られたプロトタイプは視覚化および解釈可能です。
私たちの手法は、S3DIS ブロック上で優れたパフォーマンスを示し、mRec および mPrec における既存の手法を一貫して上回っています。
さらに、最先端のものよりも 32.9% 高速に動作します。
特に、総推論時間のわずか 0.8% で、私たちの方法は既存の方法と比較して推論時間の分散が 20 倍以上減少していることを示しています。
これらの属性により、私たちの方法は、迅速な推論と高い信頼性の両方を必要とする実際のアプリケーションに最適になります。

要約(オリジナル)

3D instance segmentation is crucial for applications demanding comprehensive 3D scene understanding. In this paper, we introduce a novel method that simultaneously learns coefficients and prototypes. Employing an overcomplete sampling strategy, our method produces an overcomplete set of instance predictions, from which the optimal ones are selected through a Non-Maximum Suppression (NMS) algorithm during inference. The obtained prototypes are visualizable and interpretable. Our method demonstrates superior performance on S3DIS-blocks, consistently outperforming existing methods in mRec and mPrec. Moreover, it operates 32.9% faster than the state-of-the-art. Notably, with only 0.8% of the total inference time, our method exhibits an over 20-fold reduction in the variance of inference time compared to existing methods. These attributes render our method well-suited for practical applications requiring both rapid inference and high reliability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google