NeuralBF: Neural Bilateral Filtering for Top-down Instance Segmentation on Point Clouds

要約

3D点群のインスタンス提案生成方法を紹介します。
既存の手法は通常、単一のフィードフォワードステップで提案を直接回帰し、不正確な見積もりにつながります。
これが重大なボトルネックとして機能することを示し、学習したカーネルを使用した反復バイラテラルフィルタリングに基づく方法を提案します。
バイラテラルフィルタリングの精神に従って、各ポイントの深い特徴の埋め込みと、3D空間でのそれらの位置の両方を考慮します。
合成実験を介して、特定の関心のあるポイントのインスタンス提案を生成するときに、この方法が大幅な改善をもたらすことを示します。
さらに、挑戦的なScanNetベンチマークでメソッドを検証し、トップダウンメソッドのサブカテゴリの中で最高のインスタンスセグメンテーションパフォーマンスを実現します。

要約(オリジナル)

We introduce a method for instance proposal generation for 3D point clouds. Existing techniques typically directly regress proposals in a single feed-forward step, leading to inaccurate estimation. We show that this serves as a critical bottleneck, and propose a method based on iterative bilateral filtering with learned kernels. Following the spirit of bilateral filtering, we consider both the deep feature embeddings of each point, as well as their locations in the 3D space. We show via synthetic experiments that our method brings drastic improvements when generating instance proposals for a given point of interest. We further validate our method on the challenging ScanNet benchmark, achieving the best instance segmentation performance amongst the sub-category of top-down methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google