摘要

本文提出了一种名为SoftGroup的网络架构，用于实现高精度且可扩展的3D实例分割。现有的最先进方法通常先生成硬性语义预测，再对实例分割结果进行聚类分组。然而，由于硬性决策引入的误差会传播至聚类阶段，导致预测实例与真实标注之间的重叠率较低，并产生大量误检（false positives）。为解决上述问题，SoftGroup允许每个点同时关联多个类别，从而缓解语义预测带来的不确定性。同时，该方法通过学习将误检实例分类为背景，有效抑制了误检实例的产生。在可扩展性方面，现有快速方法在大规模场景上的计算耗时仍达数十秒量级，难以满足实时应用的需求。本文发现，作为聚类前提的k近邻（k-NN）模块是造成计算瓶颈的关键因素。为此，本文进一步提出了SoftGroup++，通过引入八叉树（octree）k-NN机制降低时间复杂度，并结合类别感知的金字塔缩放策略与延迟体素化（late devoxelization）技术，显著缩小搜索空间。在多个室内与室外数据集上的实验结果表明，所提出的SoftGroup与SoftGroup++具有优异的性能与良好的泛化能力，其在AP$_{50}$指标上相较最优基线方法提升了6%至16%。在大规模场景数据集上，SoftGroup++相比原始SoftGroup平均实现了6倍的加速效果。此外，SoftGroup还可扩展应用于目标检测与全景分割任务，在这些任务上也取得了显著优于现有方法的性能提升。相关源代码与训练好的模型已公开发布于：\url{https://github.com/thangvubk/SoftGroup}。