摘要

近期的深度学习模型在直接处理无结构点云的3D场景分析任务中取得了令人印象深刻的结果。在物体分类和语义分割领域已经取得了显著进展，然而实例分割任务的研究相对较少。在这项工作中，我们提出了3D-BEVIS，一种用于点云3D语义实例分割的深度学习框架。借鉴了先前无提议实例分割方法的思想，我们的模型学习了一种特征嵌入，并将获得的特征空间聚类为语义实例。目前基于点的方法通过分别处理场景中的局部子部分，其计算复杂度与点的数量呈线性关系。然而，为了通过聚类进行实例分割，需要全局一致的特征。因此，我们提出将局部点几何与来自中间俯视图表示的全局上下文信息相结合。