EipFormer: Enhancing 3D instance segmentation by emphasizing instance positions

Mengnan Zhao

doi:10.1016/j.eswa.2025.129299

EipFormer: Enhancing 3D instance segmentation by emphasizing instance positions

2025-08-09

0

PRE

AI

DOI：10.1016/j.eswa.2025.129299

原文链接

原文求助

摘要

En 中文

3D实例分割在理解复杂3D场景中发挥着关键作用。然而，现有方法通常依赖于固定的查询位置——通常通过中心预测或最远点采样从大型点云中选择——这些位置可能偏离实际的实例中心，从而影响实例聚合质量。为解决此局限性，我们提出了EipFormer，一种基于Transformer的框架，该框架包含渐进聚合和双位置嵌入策略。具体而言，通过利用偏移预测分支，EipFormer结合原始和中心偏移坐标系来聚合实例。渐进聚合过程包括粗、细和合并三个阶段。基于设计的加权最远点采样，粗阶段更新实例查询以捕捉全局上下文。这些查询随后通过聚合平均和中心匹配技术进行细化，以聚合局部上下文。最后，我们引入一个合并阶段，用于合并碎片化的实例。在STPLS3D、S3DIS和ScanNet基准测试上的广泛实验验证了EipFormer的有效性，其AP指标相比当前最佳方法提升了1.5-3.3，AP50指标提升了2.1-3.7。

Keyword:

3D instance segmentation

Transformer

progressive aggregation

dual position embedding

point cloud processing

EipFormer: Enhancing 3D instance segmentation by emphasizing instance positions

摘要

期刊

机构

引用论文