MRNet: Multiple-Input Receptive Field Network for Large-Scale Point Cloud Segmentation

要約

入力受容野のサイズは、点群のセマンティック セグメンテーションにおいて最も重要な側面の 1 つですが、最も見落とされがちなパラメーターの 1 つです。
この論文では、複数入力受容野処理セマンティック セグメンテーション ネットワーク MRNet について説明します。
私たちの設計の基本的な哲学は、入力受容野のジレンマの大きさを克服することです。
特に、入力受容野のサイズは、さまざまなサイズのオブジェクトのパフォーマンスに大きな影響を与えます。
これを克服するために、並列ストリーム間の接続モジュールを備えた並列処理ネットワークを導入します。
私たちのアブレーション研究は、実装されたモジュールの有効性を示しています。
また、大規模な点群データセット SensatUrban に新しい最先端のパフォーマンスを設定しました。

要約(オリジナル)

The size of the input receptive field is one of the most critical aspects in the semantic segmentation of the point cloud, yet it is one of the most overlooked parameters. This paper presents the multiple-input receptive field processing semantic segmentation network MRNet. The fundamental philosophy of our design is to overcome the size of the input receptive field dilemma. In particular, the input receptive field’s size significantly impacts the performance of different sizes of objects. To overcome this, we introduce a parallel processing network with connection modules between the parallel streams. Our ablation studies show the effectiveness of implemented modules. Also, we set the new state-of-art performance on the large-scale point cloud dataset SensatUrban.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google