摘要

近年来，在基于编码器-解码器框架的点云分割任务中取得了显著进展。该类方法首先将点云编码为低分辨率表示，随后解码生成高分辨率预测结果。受图像密集预测任务中高分辨率架构成功应用的启发——这些架构在整个学习过程中始终维持高分辨率表示——我们同样认为，在三维密集点云分析中保持高分辨率表示具有重要意义。因此，本文致力于探索适用于三维点云分割的高分辨率架构。具体而言，我们提出了一种统一的处理流程——PointHR，用于泛化高分辨率架构。该流程包含基于K近邻（knn）的序列操作符，用于特征提取，以及一种差分重采样操作符，以高效实现不同分辨率之间的信息交互。此外，为避免高分辨率架构中频繁进行实时计算，我们提出预先计算序列操作符与重采样操作符所需的索引。通过这一策略，我们在不增加额外设计成本的前提下，充分受益于精心设计的点云模块，构建出性能优异的高分辨率架构。为全面评估所提出架构在密集点云分析任务中的表现，我们在S3DIS和ScanNetV2数据集上进行了系统性实验。结果表明，所提出的PointHR在无需任何额外技巧（bells and whistles）的情况下，超越了当前最新的先进方法。相关源代码已公开，地址为：\url{https://github.com/haibo-qiu/PointHR}。