Abstract
点云上的实例分割是3D场景感知中的一项基本任务。在这项工作中,我们提出了一个简洁的基于聚类的框架HAIS,它充分利用了点和点集的空间关系。考虑到基于聚类的方法可能导致过度分割或分割不足,我们引入层次聚合来逐步生成实例proposals,即用于初步聚类点到集合的点聚合和用于从集合生成完整实例的集合聚合。一旦获得完整的3D实例,就采用实例内预测的子网络进行噪声点过滤和掩码质量评分。HAIS速度快(Titan X上每帧仅410ms),不需要非极大值抑制。它在ScanNet v2 benchmark中排名第一(http://kaldir.vc.in.tum.de/scannet_benchmark/semantic_instance_3d),达到最高的69.9% A P 50 A P_{50} AP