SGPN是前段时间看的一篇点云实例分割的论文,在此,对SGPN的相关内容做个总结回顾。
SGPN是点云实例分割的首篇论文,在google scholar上搜相关点云实例分割的论文,似乎还有一篇是GSPN,通过点云的三维重建去实现实例分割,具体没有细看,略表不提。SGPN最大的贡献在于走通了点云实例分割的整个流程,对于点云如何进行实例分割给出了可行性方案,SGPN是基于pointnet系列的文章,从整体来看,网络结构简单、灵活、高效。不过可能是由于实例分割问题本身比较复杂,其后处理的东西相对于pointnet而言多了很多。当然这有可能可以化简,但无法避免。
SGPN通过相似矩阵的方式完成了实例分割的具体目标,而这也是作者在论文中着重描述的地方,阐述了为什么相似矩阵更适合点云的实例分割,而不是像mask-rcnn的处理方式一样,通过目标检测+FCN的方式实现。而正如作者所言,二维图像具有很强的空间相关性,在点云中,由于点的无序性,造成了这种空间相关性的消失,所以点云必须在处理的时候,将整个整体同时进行处理,可以视为是shape-centric structure,网络在学习时,必须基于此进行学习,网络可以不使用相似矩阵表示,但仍应遵循此原则。
接下来对网络的前向结构进行描述: