3D語義分割是在三維點雲中對每個點進行分類，屬於同一類的點都要被歸爲一類。 例如如下場景，屬於建築的點都要分成一類，屬於植物的點也要分成一類。下面重點介紹3D語義分割算法的評估指標。
PA（Point Accuracy）
- 定義：總體的分類準確度，分類正確的點數和點雲總點數的比值
- 範圍：0~100%
- 用途：這是最簡單的度量分割準確性的方式
MPA（Mean Point Accuracy）
- 定義：平均分類準確度，計算每一類分類正確的點數和該類的所有點數的比值然後求平均
- 範圍：0~100%
MIoU（Mean Intersection over Union）
- 定義：計算每一類的IoU然後求平均。一類的IoU計算方式如下：
假設P11表示本屬於1類且被預測爲1類的點數，X1表示本屬於1類的點數，Y1表示被預測爲1類的點數，
則1類的 IoU = P11 / (X1 + Y1 - P11)
- 範圍：0~100%
- 用途：這是分割任務的標準度量方法，同時考慮了“漏標”和“誤標”的情況。MIoU指標由於其代表性和簡潔性，成爲了評價分割準確性的最常用的指標。
FWIoU（Frequency Weighted Intersection over Union）
- 定義：根據每一類出現的頻率對各個類的IoU進行加權求和
- 範圍：0~100%
- 用途：它是對MIoU的改進，每個類的重要性取決於它們出現的頻率。