Hierarchical Aggregation for 3D Instance Segmentation (ICCV 2021)
代码地址：https://github.com/hustvl/HAIS
随着商品3D传感器（Kinect、RealSense、Velodyne激光扫描仪等）的快速发展和普及，3D场景理解成为计算机视觉领域的研究热点。点云上的实例分割作为3D场景理解的一项基本感知任务，是多数现实生活应用的技术基础，例如机器人、增强/虚拟现实和自动驾驶。
在过去的几年中，对二维图像的实例分割有大量的研究工作，其中自上而下的方法主导了2D实例分割。这些方法首先生成实例级proposals，然后预测每个proposals的mask。虽然现有的2D实例分割方法可以直接扩展到3D场景，但大多数现有的3D方法采用完全不同的自下而上pipeline，通过几何聚类生成实例分割结果。
事实上，直接将一个点云聚类成多个实例对象是一项非常困难的工作，原因如下：（1）一个点云通常包含大量的点；(2)一个点云中的实例数量对于不同的3D场景有很大的变化；(3)实例规模差异显著；(4)每个点都只有一个非常弱的特征，即3D坐标和颜色。导致点和实例定义之间的语义差距十分巨大。因此，过分割或欠分割更容易出现。
图1 输入点云、GT实例mask、不带和带分层聚合的3
