首次提出：一种用于解决点云场景中同类对象分割的端到端网络
融合协同对比学习和相互注意采样机制进行无监督点云对象的同类分割
Unsupervised Point Cloud Object Co-segmentation by Co-contrastive Learning and Mutual Attention Sampling
代码地址：https://github.com/jimmy15923/unsup_point_coseg
在本文中作者提出了一项新的点云问题，点云同类对象分割，即分割一组场景点云中的同类3D 对象（可以看作是一个二类（前景、背景）分割问题）。作者将此任务定义为一个对象点采样问题，并通过相互注意模块和共同对比学习机制实现它。所提出的方法采用基于神经网络的两点采样器，即对象采样器和背景采样器。其中前者针对常见物体的采样，而后者则专注于其他物体。相互注意模块探索点云之间的逐点相关性。它嵌入在两个采样器中，可以从其他采样器中识别出具有强行跨越云相关性的点。在为两个采样器选择的点提取特征后，继续通过开发协同对比损失函数来优化网络，这样可以最小化估计对象点之间的特征差异，同时最大差异化估计对象和背景点之间的特征。该方法适用于任意对象类的点云。它是端到端可训练的，不需要点级注释。通过在 ScanObjectNN 和 S3DIS 数据集上进行评估，并取得了有潜力的结果。本文主要贡献如下：
1）首次尝试为点云同类对象分割开发端
