PartNet: A Recursive Part Decomposition Network for Fine-grained and Hierarchical Shape Segmentation
本文介紹一篇cvpr2019裏面關於點雲部件分割的文章。
論文
代碼
1. 問題
目前的點雲局部分割框架都只能將物體分割成固定數目的部件，這便制約了其泛化能力和靈活性。於是這篇文章提出了一種hierarchical segmentation的方式，對於沒見過的物體仍然有比較好的分割精度。
2. 思想
將形狀分割這個多類別的分類問題轉化爲一系列的二分類問題，降低問題的難度。
主要架構如下
每個節點都有3個模塊，node decoding, node classification and node segmentation
3. 算法
3.1 node decoding
Node decoding module 將全局的前後關係從當前節點傳遞到子節點。這樣的信息會從高層次的上下文來限制分割。
3.2 node classification
每個node type會被分爲，鄰接的，對稱的和葉子節點。
3.3 node segmenatation
這個模塊根據當前node的特徵和每個點由pointnet提取的特徵進行標籤預測。
4 實驗結果
值得一提的是，這篇文章需要自己的加工數據集。也就是說需要對數據集進行比較多的標註。這就意味着，相比於其他論文，該模型獲得了更多更詳細的part information。從這種角度來講，對比是不太公平的。
在將近一年的時間裏都是SOTA，是一篇比較有啓發的工作。
總結
如何充分的利用形狀結構進行推理，應該是局部分割的突破點。本文在這方面起到了一個啓發性的作用！贊！