在物體部件分割和室內(nèi)、室外物體分割任務(wù)上的效果圖（無需任何人工標(biāo)注）：

1. Introduction

三維點(diǎn)云物體分割是三維場景理解的關(guān)鍵問題之一，也是自動(dòng)駕駛、智能機(jī)器人等應(yīng)用的基礎(chǔ)。然而，目前的主流方法都是基于監(jiān)督學(xué)習(xí)，需要大量人工標(biāo)注的數(shù)據(jù)，而對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行人工標(biāo)注是十分耗費(fèi)時(shí)間和人力的。

2. Motivation

本文旨在尋求一種無監(jiān)督的3D物體分割方法。我們發(fā)現(xiàn)，運(yùn)動(dòng)信息有望幫助我們實(shí)現(xiàn)這一目標(biāo)。如下圖1所示，在左圖中的藍(lán)色/橙色圓圈內(nèi)，一輛汽車上的所有點(diǎn)一起向前運(yùn)動(dòng)，而場景中其他的點(diǎn)則保持靜止。那么理論上，我們可以基于每個(gè)點(diǎn)的運(yùn)動(dòng)，將場景中屬于汽車的點(diǎn)和其他點(diǎn)分割開，實(shí)現(xiàn)右圖中的效果。

Figure 1. 利用運(yùn)動(dòng)信息分割物體的motivation

利用運(yùn)動(dòng)信息分割3D物體的想法已經(jīng)在一些現(xiàn)有的工作中得到了探索。例如，[1] 和 [2] 利用傳統(tǒng)的稀疏子空間聚類的方法從點(diǎn)云序列中分割運(yùn)動(dòng)的物體；SLIM [3] 提出了第一個(gè)基于學(xué)習(xí)的方法來分割運(yùn)動(dòng)的前景和靜止的背景。然而，現(xiàn)有的方法都在以下的一個(gè)或多個(gè)方面存在局限性：

1）只適用于特定場景，不具備通用性；

2）只能實(shí)現(xiàn)運(yùn)動(dòng)的前景和靜止的背景之間的二類分割，無法進(jìn)一步區(qū)分前景中的多個(gè)物體；

3）（幾乎所有的現(xiàn)有方法都存在的局限）必須要多幀的點(diǎn)云序列作為輸入，而且只能分割出其中在運(yùn)動(dòng)的物體。但是理論上，我們利用運(yùn)動(dòng)信息學(xué)會(huì)辨別某些物體之后，當(dāng)這些物體以靜止的狀態(tài)出現(xiàn)在單幀點(diǎn)云中，我們應(yīng)該依然能辨別它們。

針對(duì)上述問題，我們希望設(shè)計(jì)一種通用的、能分割多個(gè)物體的無監(jiān)督3D物體分割方法：這種方法在完全無標(biāo)注的點(diǎn)云序列上進(jìn)行訓(xùn)練，從運(yùn)動(dòng)信息中學(xué)習(xí)3D物體分割；經(jīng)過訓(xùn)練后，能夠直接在單幀點(diǎn)云上進(jìn)行物體分割。為此，本文提出了無監(jiān)督的3D物體分割方法OGC (Object Geometry Consistency)。本文的主要貢獻(xiàn)包括以下三點(diǎn)：

1）我們提出了第一個(gè)通用的無監(jiān)督3D物體分割框架OGC，訓(xùn)練過程中無需任何人工標(biāo)注，從點(diǎn)云序列包含的運(yùn)動(dòng)信息中學(xué)習(xí)；經(jīng)過訓(xùn)練后能直接在單幀點(diǎn)云上進(jìn)行物體分割。

2）作為OGC框架的核心，我們以物體在運(yùn)動(dòng)中保持幾何形狀一致作為約束條件，設(shè)計(jì)了一組損失函數(shù)，能夠有效地利用運(yùn)動(dòng)信息為物體分割提供監(jiān)督信號(hào)。

3）我們在物體部件分割和室內(nèi)、室外物體分割任務(wù)上都取得了非常好的效果。

3. Method

3.1 Overview

如下圖2所示，我們的框架包括三個(gè)部分：

1）一個(gè)物體分割網(wǎng)絡(luò)（橙色部分），從單幀點(diǎn)云估計(jì)物體分割mask；

2）一個(gè)自監(jiān)督的場景流估計(jì)網(wǎng)絡(luò)（綠色部分），估計(jì)兩幀點(diǎn)云之間的運(yùn)動(dòng)（場景流）；

3）一組損失函數(shù)（藍(lán)色部分），利用2）估計(jì)出的運(yùn)動(dòng)為1）輸出的物體分割mask提供監(jiān)督信號(hào)。

在訓(xùn)練過程中，需要三個(gè)部分聯(lián)合工作；在訓(xùn)練后，只需保留1）的物體分割網(wǎng)絡(luò)，即可用于分割單幀點(diǎn)云。

Figure 2 OGC示意圖

對(duì)于OGC框架中的物體分割網(wǎng)絡(luò)和場景流估計(jì)網(wǎng)絡(luò)，我們可以直接利用現(xiàn)有的網(wǎng)絡(luò)結(jié)構(gòu)，如下圖3所示。具體來說：

1）物體分割網(wǎng)絡(luò)：我們采用PointNet++ [4] 從輸入的單幀點(diǎn)云提取特征，然后用Transformer [5] 解碼器直接從提取的點(diǎn)云特征估計(jì)出所有物體的分割mask，表示為。整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)可以視作最近在2D圖像上非常成功的物體分割方法MaskFormer [6] 向3D點(diǎn)云的拓展。

2）場景流估計(jì)網(wǎng)絡(luò)：我們直接采用了最近非常成功的FlowStep3D [5]，接收兩幀點(diǎn)云作為輸入，估計(jì)中的點(diǎn)的運(yùn)動(dòng)（場景流）。

Figure 3 OGC結(jié)構(gòu)圖

3.2 OGC Losses

OGC框架的關(guān)鍵，就在于如何利用運(yùn)動(dòng)信息為物體分割提供監(jiān)督信號(hào)。為此，我們設(shè)計(jì)了以下?lián)p失函數(shù)：

1）Dynamic loss：現(xiàn)實(shí)世界中大部分物體的運(yùn)動(dòng)都可以用剛體變換來描述。因此在這項(xiàng)損失函數(shù)中，我們要求對(duì)每個(gè)估計(jì)出的物體分割mask，其中所包含的點(diǎn)的運(yùn)動(dòng)必須服從同一個(gè)剛體變換：

上式中表示每個(gè)物體分割mask上擬合出的剛體變換。如果一個(gè)mask實(shí)際上包含了兩個(gè)運(yùn)動(dòng)方向不同的物體，這兩個(gè)物體上點(diǎn)的運(yùn)動(dòng)必然不可能服從同一個(gè)剛體變換。此時(shí)用這兩個(gè)物體上的點(diǎn)強(qiáng)行擬合出的剛體變換與這些點(diǎn)的實(shí)際運(yùn)動(dòng)并不一致，這個(gè)mask就會(huì)被損失函數(shù)懲罰?？梢钥吹?，dynamic loss能幫助我們區(qū)分運(yùn)動(dòng)方向不同的物體。但是，如果實(shí)際上屬于同一個(gè)物體的點(diǎn)被分割成兩塊，即“過度分割”，dynamic loss并不能懲罰這種情況。

2）Smoothness loss：物體上的點(diǎn)在空間中一般都是連接在一起的，否則物體就會(huì)斷裂?；谶@一事實(shí)，我們提出了對(duì)物體分割mask的平滑性先驗(yàn)，要求一個(gè)局部區(qū)域內(nèi)相互鄰近的點(diǎn)被分配到同一個(gè)物體：

上式中H表示某個(gè)點(diǎn)的領(lǐng)域內(nèi)包含的點(diǎn)的數(shù)量?？梢钥吹絛ynamic loss和smoothness loss起到了相互對(duì)抗的效果：前者根據(jù)運(yùn)動(dòng)方向的不同將點(diǎn)區(qū)分開；后者則根據(jù)空間中的近鄰關(guān)系將鄰近的點(diǎn)聚合，以抵消潛在的“過度分割”問題。這兩項(xiàng)損失函數(shù)聯(lián)合起來，為分割場景中的運(yùn)動(dòng)物體提供了充足的監(jiān)督信號(hào)。

3）Invariance loss：我們希望將學(xué)習(xí)到的運(yùn)動(dòng)物體分割充分地泛化到外形相近的靜態(tài)物體。為此，我們要求物體分割網(wǎng)絡(luò)在面對(duì)處于不同位姿的同一物體時(shí)，能夠無差別地辨別（分割）該物體。具體來說，我們對(duì)同一場景施加兩個(gè)不同的空間變換（旋轉(zhuǎn)，平移和縮放）和，使得場景中物體的位姿都發(fā)生變化，然后我們要求場景的分割結(jié)果保持不變：

Invariance loss能有效地將從運(yùn)動(dòng)物體學(xué)習(xí)到的分割策略泛化到不同位姿的靜態(tài)物體。

3.3 Iterative Optimization

當(dāng)我們從運(yùn)動(dòng)信息中學(xué)會(huì)了分割物體，理論上我們可以用估計(jì)出的物體分割來提升對(duì)運(yùn)動(dòng)（場景流）的估計(jì)質(zhì)量，隨后從更準(zhǔn)確的運(yùn)動(dòng)信息中更好地學(xué)習(xí)分割物體。為實(shí)現(xiàn)這一目標(biāo)，我們提出了如下圖4所示的“物體分割-運(yùn)動(dòng)估計(jì)”迭代優(yōu)化算法：初始階段，我們通過FlowStep3D網(wǎng)絡(luò)估計(jì)運(yùn)動(dòng)。在每一輪中，我們首先從當(dāng)前估計(jì)出的運(yùn)動(dòng)信息學(xué)習(xí)物體分割；隨后用我們的Object-aware ICP算法，基于估計(jì)出的物體分割來提升對(duì)運(yùn)動(dòng)的估計(jì)質(zhì)量，將改善后的運(yùn)動(dòng)估計(jì)送入下一輪。

Figure 4 “物體分割-運(yùn)動(dòng)估計(jì)”迭代優(yōu)化算法示意圖

在迭代過程中用到的Object-aware ICP算法，可以看作傳統(tǒng)的ICP算法向多物體場景的拓展，算法的具體細(xì)節(jié)可以參考原文附錄A.2。

4. Experiments

Evaluation on Synthetic Datasets

我們首先在SAPIEN數(shù)據(jù)集和我們在自己合成的OGC-DR / OGC-DRSV數(shù)據(jù)集上評(píng)估了OGC對(duì)物體部件分割和室內(nèi)物體分割任務(wù)的效果。從下面兩個(gè)表格可以看到，在高質(zhì)量的合成數(shù)據(jù)集上，OGC不僅領(lǐng)先于傳統(tǒng)的無監(jiān)督運(yùn)動(dòng)分割和聚類方法，還達(dá)到了接近甚至超越全監(jiān)督方法的效果。

Figure 5 不同方法在SAPIEN數(shù)據(jù)集上的定量結(jié)果對(duì)比

Figure 6不同方法在OGC-DR/OGC-DRSV數(shù)據(jù)集上的定量結(jié)果對(duì)比

Evaluation on Real-World Outdoor Datasets

接下來，我們評(píng)估OGC在極具挑戰(zhàn)性的室外物體分割任務(wù)上的表現(xiàn)。首先，我們在KITTI Scene Flow（KITTI-SF）數(shù)據(jù)集上進(jìn)行評(píng)估。KITTI-SF包含200對(duì)點(diǎn)云用于訓(xùn)練，200單幀點(diǎn)云用于測試。實(shí)驗(yàn)結(jié)果如下表所示：我們的方法達(dá)到了與全監(jiān)督方法接近的優(yōu)異性能。

Figure 7不同方法在KITTI-SF數(shù)據(jù)集上的定量結(jié)果對(duì)比

在實(shí)際應(yīng)用中，有時(shí)無法收集到包含運(yùn)動(dòng)的序列數(shù)據(jù)，但我們可以將相似場景中訓(xùn)練出的OGC模型泛化過來。這里，我們將上述KITTI-SF數(shù)據(jù)集上訓(xùn)練好的OGC模型拿來，直接用于分割KITTI Detection（KITTI-Det）和SemanticKITTI數(shù)據(jù)集中的單幀點(diǎn)云。注意：KITTI-Det和SemanticKITTI中的點(diǎn)云都是通過雷達(dá)采集的，比KITTI-SF中雙目相機(jī)采集的點(diǎn)云稀疏很多，且KITTI-SF（3769幀）和SemanticKITTI（23201幀）的數(shù)據(jù)規(guī)模都遠(yuǎn)遠(yuǎn)大于KITTI-SF。實(shí)驗(yàn)結(jié)果如下面兩張表所示：我們在KITTI-SF上訓(xùn)練的OGC模型能直接泛化到稀疏的雷達(dá)點(diǎn)云數(shù)據(jù)，并取得與全監(jiān)督方法接近的效果。

Figure 8在KITTI-Det數(shù)據(jù)集上的定量結(jié)果對(duì)比（*表示模型在KITTI-SF上訓(xùn)練）

Figure 9在SemanticKITTI數(shù)據(jù)集上的定量結(jié)果對(duì)比（*表示模型在KITTI-SF上訓(xùn)練）

Ablation Studies

我們在SAPIEN數(shù)據(jù)集上對(duì)OGC框架的核心技術(shù)進(jìn)行了消融實(shí)驗(yàn)：

1）損失函數(shù)設(shè)計(jì)：從下方圖表可以看到，OGC的三個(gè)損失函數(shù)結(jié)合使用能帶來最好的效果。如果移除dynamic loss，所有點(diǎn)會(huì)被分到同一物體；如果移除smoothness loss，會(huì)出現(xiàn)“過度分割”的問題。

2）迭代優(yōu)化算法：可以看到，隨著迭代輪數(shù)增多，更高質(zhì)量的運(yùn)動(dòng)估計(jì)確實(shí)帶來了更好的物體分割表現(xiàn)。

Figure 10 在SAPIEN數(shù)據(jù)集上的消融實(shí)驗(yàn)（圖-左和表-上：損失函數(shù)設(shè)計(jì)；表下：迭代優(yōu)化算法）

5. Summary

最后總結(jié)一下，我們提出了第一個(gè)點(diǎn)云上的無監(jiān)督3D物體分割框架。這個(gè)框架的核心是一組基于物體幾何形狀一致性的損失函數(shù)，利用運(yùn)動(dòng)信息有效地監(jiān)督物體分割。我們的方法在完全無標(biāo)注的點(diǎn)云序列上訓(xùn)練，訓(xùn)練后可以直接用于分割單幀點(diǎn)云，在多種任務(wù)場景下都展示出了非常好的效果。未來OGC還可以進(jìn)一步拓展：

1）當(dāng)有少量標(biāo)注數(shù)據(jù)時(shí)，如何將無監(jiān)督的OGC模型與這些標(biāo)注數(shù)據(jù)結(jié)合取得更好的性能；

2）當(dāng)有多幀作為輸入時(shí)，如何利用多幀信息更好地分割。

審核編輯 ：李倩