摘要

近年来，基于变换器的技术结合超点（superpoints）在三维实例分割中变得越来越普遍。然而，这些方法经常遇到过度分割的问题，特别是在处理大型物体时尤为明显。此外，由于超点掩码预测的不可靠性，这一问题进一步加剧。为了解决这些挑战，我们提出了一种称为MSTA3D的新框架。该框架利用多尺度特征表示，并引入了双注意力机制，以有效捕捉这些特征。此外，MSTA3D集成了一个带有盒正则化的盒查询，为语义查询提供了补充的空间约束。在ScanNetV2、ScanNet200和S3DIS数据集上的实验评估表明，我们的方法超越了现有的最先进的三维实例分割方法。