COSeg：解决小样本点云语义分割, 使用Transform实现相关性语义分割

文章预览

Abstract 本文重新审视了少样本3D点云语义分割（FS-PCS），重点关注现有最先进技术中的两个重要问题：前景泄漏和稀疏点分布。前者由于非均匀点采样而产生，使得模型可以区分前景和背景之间的密度差异，从而更容易进行分割。后者源于仅采样2,048个点，限制了语义信息，并偏离了现实世界的实践。为了解决这些问题，我们引入了一个标准化的FS-PCS设置，并在此基础上建立了一个新的基准。此外，我们提出了一种新颖的FS-PCS模型。与以前主要通过优化支持特征以增强原型的特征优化方法不同，我们的方法基于相关优化，称为相关优化分割（COSeg）。具体来说，我们为每个查询点计算特定类别的多原型相关（CMC），表示其与类别原型的相关性。然后，我们提出了超相关增强（HCA）模块来增强CMC。此外，为了解决少样本训练固有的导致模型基类易感性 ………………………………