球形掩模：基于球形表示的粗到细的 3D 点云实例分割
原文中文，约300字，阅读约需1分钟。发表于：。提出一种基于球面表示的新型粗糙到精细方法，在 3D 实例分割中克服了轴对齐边界框 AABB 的实例尺寸估计过高和从不精确的边界框到细化阶段的假阴性误差累积两个局限性，通过引入两种基于边界框迁移的边界框检测和点迁移模块并运用两种基于间隔的损失函数来改善结果。实验证明，在三个数据集上，该方法优于现有工作，在使用球面坐标的新实例表示方法方面具有显著的有效性。
本文介绍了一种处理3D点云的机器学习方法，利用八叉树引导的神经网络结构和球形卷积核。该方法通过稀疏性和空间划分分层粗化数据表示，识别局部几何结构，保持平移不变性和不对称性。在3D对象分类和分割任务上取得了最先进的结果。
