PartNet: A Recursive Part Decomposition Network for Fine-grained and Hierarchical Shape Segmentation
本文介绍一篇cvpr2019里面关于点云部件分割的文章。
论文
代码
1. 问题
目前的点云局部分割框架都只能将物体分割成固定数目的部件，这便制约了其泛化能力和灵活性。于是这篇文章提出了一种hierarchical segmentation的方式，对于没见过的物体仍然有比较好的分割精度。
2. 思想
将形状分割这个多类别的分类问题转化为一系列的二分类问题，降低问题的难度。
主要架构如下
每个节点都有3个模块，node decoding, node classification and node segmentation
3. 算法
3.1 node decoding
Node decoding module 将全局的前后关系从当前节点传递到子节点。这样的信息会从高层次的上下文来限制分割。
3.2 node classification
每个node type会被分为，邻接的，对称的和叶子节点。
3.3 node segmenatation
这个模块根据当前node的特征和每个点由pointnet提取的特征进行标签预测。
4 实验结果
值得一提的是，这篇文章需要自己的加工数据集。也就是说需要对数据集进行比较多的标注。这就意味着，相比于其他论文，该模型获得了更多更详细的part information。从这种角度来讲，对比是不太公平的。
在将近一年的时间里都是SOTA，是一篇比较有启发的工作。
总结
如何充分的利用形状结构进行推理，应该是局部分割的突破点。本文在这方面起到了一个启发性的作用！赞！