摘要

對于自動(dòng)駕駛來說，精細(xì)化的場景理解至關(guān)重要。由于在行駛的過程中，場景周圍信息會(huì)發(fā)生劇烈的變化，因此很難識別和理解出場景中的不同對象。盡管有很多工作者在語義/全景分割上推動(dòng)了場景理解的發(fā)展，但目前來說，仍然是一個(gè)挑戰(zhàn)任務(wù)。目前的方法大多依賴于標(biāo)注數(shù)據(jù)，對于訓(xùn)練數(shù)據(jù)中缺少的類別，我們將其稱為拖尾（長尾）類。

然而，拖尾（長尾）類對于自動(dòng)駕駛來說缺失至關(guān)重要，如嬰兒車和未知?jiǎng)游铮紩?huì)對自動(dòng)駕駛的安全性能造成巨大的挑戰(zhàn)。在本篇文章中，我們將集中對這種類無關(guān)的實(shí)例分割問題進(jìn)行研究，進(jìn)一步解決這種拖尾（長尾）類問題。我們提出一個(gè)全新的算法和驗(yàn)證算法用的數(shù)據(jù)集，并且在真實(shí)場景數(shù)據(jù)中驗(yàn)證我們算法效果。

算法通過一個(gè)已經(jīng)訓(xùn)練好的自監(jiān)督神經(jīng)網(wǎng)絡(luò)抽取出點(diǎn)特征，構(gòu)建出點(diǎn)云表示對應(yīng)的圖表征。然后，我們用圖割算法來將前后背景分離出來。結(jié)果證明了我們的算法可以實(shí)現(xiàn)實(shí)例分割，并且相比于其他自監(jiān)督算法，我們方法具有不錯(cuò)的競爭力。

主要貢獻(xiàn)

在這篇論文中，我們關(guān)注的問題是基于激光點(diǎn)云的實(shí)例分割，更確切的來說，我們關(guān)注的是不需要明確類別的激光點(diǎn)云實(shí)例分割算法。相比于需要把城鎮(zhèn)街道上所有可能出現(xiàn)的物體打上標(biāo)簽，我們更關(guān)注的是如何擺脫區(qū)分物體的類別屬性而直接將其打上標(biāo)簽。因此，我們的問題被簡化為如何能區(qū)分出點(diǎn)云中的單個(gè)物體，并且將它們分割出來。

這個(gè)問題的最大難度是對未知物體的分割，因?yàn)楸旧聿⒉淮嬖谟跇?biāo)記數(shù)據(jù)中，但在推理過程中，該部分?jǐn)?shù)據(jù)又特別重要。

這個(gè)問題也可以被解讀于：我們?nèi)绾瓮ㄟ^對現(xiàn)實(shí)世界中的部分信息來進(jìn)行訓(xùn)練學(xué)習(xí)，實(shí)現(xiàn)對激光點(diǎn)云中的實(shí)例物體進(jìn)行推理。目前先進(jìn)的方法也有通過語義分割的訓(xùn)練預(yù)測器來解決這個(gè)問題，這些方法通過不同的啟發(fā)式方法和優(yōu)化過程來對點(diǎn)進(jìn)行聚類，這些方法依然需要標(biāo)注數(shù)據(jù)。

這篇文章的主要貢獻(xiàn)是提出了一個(gè)全新的無監(jiān)督不需要明確物體種類的實(shí)例分割算法。鑒于目前表示學(xué)習(xí)的發(fā)展，我們可以使用自監(jiān)督的方法來抽取出點(diǎn)對特征，并且通過鄰接圖的方式來表示相鄰點(diǎn)對之間的相似性。然后，我們在不需要任何標(biāo)注的情況下，通過圖割的算法來從背景信息中抽取出實(shí)例物體。

我們將Semantic KITTI benchmark進(jìn)行了擴(kuò)展，分別在已經(jīng)物體類別和未知物體類別下評估了我們的算法。實(shí)驗(yàn)結(jié)果證明了相比于State-Of-Art算法，我們的算法可以在沒有標(biāo)簽，沒有語義背景去除的情況下進(jìn)行實(shí)例分割，并有較好的算法性能。

算法流程

?

圖2：算法整體流程圖

算法整體流程可以用上圖來表示。我們通過Graph-Cut和自監(jiān)督學(xué)習(xí)特征的方法來講場景中的實(shí)例區(qū)分開。我們將點(diǎn)云整體表示成圖，通過自監(jiān)督網(wǎng)絡(luò)計(jì)算出點(diǎn)顯著性分布圖，來對前景圖和后景圖進(jìn)行采樣，實(shí)現(xiàn)實(shí)例分割。因?yàn)辄c(diǎn)云中可能存在多個(gè)物體實(shí)例，這也給前后背景分離增加了難度。

因此，我們改變策略，先對點(diǎn)云中的地面進(jìn)行分割，區(qū)分出地面點(diǎn)和非地面點(diǎn)，并對非地面點(diǎn)進(jìn)行聚類。然后我們迭代地遍歷每個(gè)地方，并對每個(gè)興趣點(diǎn)附近規(guī)劃出一個(gè)立方體區(qū)域。對于這個(gè)區(qū)域，我們將立方體中的實(shí)例作為前景對象，地面點(diǎn)和其他實(shí)例點(diǎn)作為背景區(qū)域。然后我們可以通過該區(qū)域來構(gòu)建圖，并依據(jù)圖分割成前景和背景。

A. 實(shí)例提案

為了更好地分割出實(shí)例，我們的算法依賴于初始猜測（也被稱為提案），隨后可以被精細(xì)化為更好地分割。為了和之前的工作（SegContrast）的符號保持統(tǒng)一，我們定義實(shí)例如下：對于一組N個(gè)點(diǎn)的點(diǎn)云P={p1,p2,...,pN}，我們通過地面分割的算法將它分為地面點(diǎn)G和非地面點(diǎn)P′，然后通過HDBSCAN聚類算法來將非地面點(diǎn)聚類成m個(gè)類，被定義成m個(gè)類的過程我們則稱為提案。其中I={S1,...Sm}，這里Sk∈P′并且對于不屬于同類來說，Sk∩Sl=?,l≠k。

圖3：點(diǎn)云中實(shí)例分割提案

如圖3所示，這些分割是實(shí)例表示的起點(diǎn)，并不是實(shí)例表示的最后結(jié)果。我們的算法之后將其映射到特征圖中來計(jì)算相同提案中不同點(diǎn)之間的相似性。之后，我們將從這個(gè)背景圖中分割出這些物體來做為實(shí)例分割。

B.自監(jiān)督特征

我們的方法充分運(yùn)用了自監(jiān)督表征學(xué)習(xí)來抽取出點(diǎn)對特征。我們使用MinkUNet來作為特征抽取模型。該方法是一種自監(jiān)督方法，依賴于對場景中的地面點(diǎn)進(jìn)行去除，并對剩余點(diǎn)進(jìn)行聚類。它的對比損失函數(shù)逐段運(yùn)用，通過判別的方式學(xué)習(xí)出特征空間。

對于每一個(gè)學(xué)習(xí)出的提案Sk∈I，我們定義興趣區(qū)域S^∈P，然后用SegContrast預(yù)訓(xùn)練模型抽取出點(diǎn)對特征F^k，之后我們通過這些特征來計(jì)算出點(diǎn)對相似性，而不是直接計(jì)算出其測量的特征。到此，我們有描述性特征可以用來識別實(shí)例段和背景之間的差異。

C. Saliency Maps.

Saliency Map通常是分析網(wǎng)絡(luò)學(xué)習(xí)到的特征空間。為了計(jì)算顯著性地圖，我們通常計(jì)算它的梯度并可視化對它影響更大的區(qū)域。這些年也有人通過transformer來提取和制作對應(yīng)的可視化，即使在沒有標(biāo)簽的情況下也可以很好的計(jì)算出對應(yīng)的對象邊界。盡管在SegContrast中使用的是稀疏卷積神經(jīng)網(wǎng)絡(luò)，我們觀察到它也可以在顯著性圖中找到實(shí)例注意力的地方。這種顯著性的值可以更好地解釋為哪里是前景，哪里是背景，是后面用于GraphCut的隨機(jī)初始種子。

對于前面的實(shí)例提案，我們計(jì)算出每個(gè)特征向量中的均值δ。

圖4. 受監(jiān)督的語義分割網(wǎng)絡(luò)與用SegContrast進(jìn)行自我監(jiān)督的網(wǎng)絡(luò)，兩個(gè)網(wǎng)絡(luò)得到的顯著性圖（saliency map，左圖與右圖）與該算法得到的proposal實(shí)例點(diǎn)特征圖（中間）進(jìn)行對比。該圖用不同顏色區(qū)分不同物體，因此最好查看原本彩圖

通過計(jì)算δ的梯度變化，我們得到每個(gè)提案附近的顯著性圖。如上圖所示，通過該方法得到的顯著性地圖可以更精細(xì)地區(qū)分出場景中的實(shí)例對象。

D. Seeds Sampling.

我們采用實(shí)例提案Sk和他們對應(yīng)的顯著性值來做前景和背景信息的采樣。由于實(shí)例信息中對應(yīng)的是不同的物體，所以固定數(shù)量的采樣方式并不一定合適。因此，我們依據(jù)提案Sk和他們對應(yīng)的興趣區(qū)域大小來定義具體的采樣點(diǎn)數(shù)量。這里我們選取τ_f=nf/γf作為前景種子，選取τ_b=nb/γb作為背景種子，這里γf和γb都是預(yù)先定義的參數(shù)。

圖5.我們基于藍(lán)色點(diǎn)的提議下，將前景點(diǎn)和背景點(diǎn)計(jì)算出來，分辨用綠色和紅色來表示.

上圖是種子信息選取的過程。我們對每個(gè)前景種子周圍的k個(gè)鄰居點(diǎn)進(jìn)行采樣，來計(jì)算前景信息的相似性。同時(shí)我們在提案之內(nèi)刪除任何背景種子，在提案之外刪除任何前景種子來避免顯著性圖中產(chǎn)生異常值。通過這樣的方式，我們可以避免錯(cuò)誤的種子采樣從而影響到圖割算法的性能。

E.圖割算法

為了更好地從點(diǎn)云中分割出實(shí)例對象，我們采用圖割算法，一種用于圖像分割的經(jīng)典算法，現(xiàn)在用在點(diǎn)云數(shù)據(jù)上。這種方法主要通過一種圖的表示來描述各個(gè)節(jié)點(diǎn)中和他們鄰節(jié)點(diǎn)之間的關(guān)系，從而找出前景和背景數(shù)據(jù)。然后，我們再對圖用最小切歌方法，切除當(dāng)中最弱的關(guān)系數(shù)據(jù)。我們采用SegContrast算法來計(jì)算每個(gè)點(diǎn)上的特征，然后計(jì)算相鄰點(diǎn)之間的相似性作為非終端邊緣。最后我們計(jì)算顯著性圖以對種子進(jìn)行采樣并確定點(diǎn)和終端節(jié)點(diǎn)之間的邊。

在我們的定義下，一個(gè)圖包含一系列的節(jié)點(diǎn)Z={z1,...,zn+2}，其中每個(gè)節(jié)點(diǎn)表示的一個(gè)點(diǎn)信息在提出的區(qū)域Sk中，對應(yīng)著n個(gè)點(diǎn)和2個(gè)虛擬的節(jié)點(diǎn)，分別代表著前景信息和背景信息。

（1）終端邊緣

每一個(gè)點(diǎn)都有兩個(gè)虛擬的邊緣節(jié)點(diǎn)，我們根據(jù)這些節(jié)點(diǎn)的歸類方式對這些變進(jìn)行加權(quán)。每一個(gè)邊緣的初始概率我們設(shè)置成0，然后選擇的節(jié)點(diǎn)和對應(yīng)的終端邊緣節(jié)點(diǎn)我們設(shè)置為1.0。最后，節(jié)點(diǎn)i和一個(gè)終端節(jié)點(diǎn)t的權(quán)重可以定義為：

其中λ是預(yù)先定義的參數(shù)，pi,t的定義表示節(jié)點(diǎn)i屬于終端節(jié)點(diǎn)t的概率值的大小。

（2）非終端邊緣

對于非終端節(jié)點(diǎn)，我們通過坐標(biāo)選取每個(gè)點(diǎn)和它周圍的k歌鄰居點(diǎn)來確定變。為了對邊進(jìn)行加權(quán)，我們計(jì)算每個(gè)點(diǎn)的特征并計(jì)算它與相鄰點(diǎn)之間的差異。我們使用L1范數(shù)來定義fi和fj之間的特征區(qū)別。

兩點(diǎn)之間的權(quán)重也是依據(jù)給定出的dij計(jì)算出來：

其中σ和w都是預(yù)先定義的參數(shù)。按照以上的定義，我們可以將點(diǎn)和邊構(gòu)建清楚，然后通過最小圖割算法來將實(shí)例從背景信息中分割出來。我們迭代地重復(fù)以上過程，最后將物體從背景信息中分割出來。

實(shí)驗(yàn)分析

在這一節(jié)中，我們主要介紹我們基于SemanticKITTI的擴(kuò)展。

A. 問題定義

現(xiàn)有的實(shí)例分割模型假設(shè)在推理過程中出現(xiàn)的所有對象類都被手動(dòng)標(biāo)記并在訓(xùn)練時(shí)出現(xiàn)。我們將這些對象類稱為已知類。在本文中，我們還想關(guān)注那些可能只在推理過程中出現(xiàn)的對象實(shí)例分割，我們把它們表示為未知類。

更正式地說，所有對象類的集合X有可能很大，并且許多實(shí)例會(huì)很少出現(xiàn)。在實(shí)踐中，我們無法記錄、標(biāo)記和評估在所有可能的對象類別上的算法性能，因?yàn)檫@些會(huì)出現(xiàn)在對象類別分布中的拖尾類。因此，實(shí)際上只有對這些類別的固定子集進(jìn)行標(biāo)記才是可行的。

為此，我們進(jìn)行了如下劃分。我們將SemanticKITTI提供的標(biāo)簽用于整個(gè)數(shù)據(jù)集（訓(xùn)練集、驗(yàn)證集和測試集）的已知類集。這個(gè)集合包含經(jīng)常出現(xiàn)的物體類別，如汽車、人、卡車和類似的物體。我們只在驗(yàn)證集和測試集中標(biāo)注一個(gè)額外的、不相交的對象實(shí)例集，即未知的對象實(shí)例U?X, 且U∩K=?。

因此，我們的測試集提供了一個(gè)“代理”，用于評估算法在只在很少情況下出現(xiàn)的未知物體上的性能。我們注意到，這些實(shí)例的例子可能出現(xiàn)在訓(xùn)練集和驗(yàn)證集中，但沒有被標(biāo)記為實(shí)例。

由于我們解決了實(shí)例分割的問題，我們只標(biāo)記了事物(thing)類：在文獻(xiàn)[21]中，東西（stuff）類被認(rèn)為是不可計(jì)數(shù)的類，例如，植被或道路。而事物類，如汽車和行人，通常有明確的邊界，在單個(gè)掃描中是可見的，并且是可計(jì)算的。

B. 評價(jià)

對于開放世界的實(shí)例分割，我們評估了 算法能將LiDAR點(diǎn)云分解為單獨(dú)一組物體實(shí)例的能力。為了量化性能，一種可能性是采用基于召回（recall）的變體：泛光質(zhì)量（Panoptic Quality, PQ）的，未知質(zhì)量（Unknown Quality, UQ），他們基于召回（recall）用的方法代替了識別質(zhì)量（recognition quality，RQ）項(xiàng)（F1-Score）。

然而，這種度量將點(diǎn)云的東西（stuff）區(qū)域作為一個(gè)單一的實(shí)例，這并不可取[29]。例如，植被類可以被分解成幾個(gè)實(shí)例（樹干、小灌木）--這些沒有被手工注釋者標(biāo)記，但可以依據(jù)任務(wù)的不同，被認(rèn)為是有效的實(shí)例，例如， segment-based LiDAR odometry或SLAM[16]。

我們轉(zhuǎn)而采用LiDAR分段和跟蹤質(zhì)量（ LiDAR Segmentation and Tracking Quality，LSTQ）指標(biāo)。它由兩個(gè)術(shù)語組成，一個(gè)分類Scls和一個(gè)分割Sassoc。然而，由于我們?nèi)蝿?wù)與類別無關(guān)，我們刪除了Scls，只依靠Sassoc來評估實(shí)例段的質(zhì)量如何。

關(guān)聯(lián)項(xiàng)Sassoc衡量我們將點(diǎn)分配給它們的實(shí)例的程度，與語義無關(guān):

其中，IoU輸入是真值物體t∈T和預(yù)測s∈S對、這個(gè)對通過真陽性關(guān)聯(lián)（TPA）、假陰性關(guān)聯(lián)（FNA）和假陽性關(guān)聯(lián)（FPA）的集合來計(jì)算的。這些集合是以class-agnostic的方式評估的，但與Aygün等人[1]的工作不同，因?yàn)檫@些集合由每個(gè)掃描都進(jìn)行計(jì)算得來而不是按整個(gè)序列計(jì)算的。

直觀地說，TPA集量化了有多少個(gè)點(diǎn)被正確地分配給它們相應(yīng)的實(shí)例，TPA和FPA集表面兩種不同類型的“點(diǎn)到實(shí)例”關(guān)聯(lián)錯(cuò)誤。更確切地說，TPA集包含所有相互重疊的點(diǎn)。FPA集表示s中所有與t不重疊的點(diǎn)，最后，F(xiàn)NA代表屬于t中但不包含在s中的點(diǎn)（Aygün等）。

關(guān)聯(lián)項(xiàng)是class-agnostic的，并且只表征將點(diǎn)分配給標(biāo)記的物體實(shí)例的表現(xiàn)如何。這使我們能夠評估區(qū)別于語義的實(shí)例分割，使這個(gè)指標(biāo)獨(dú)特地適用于開放世界LiDAR實(shí)例分割的評估。

C. 開放世界的SemanticKITTI數(shù)據(jù)集和基準(zhǔn)

為了合理評價(jià)將出現(xiàn)在對象分布中拖尾類物體分割出來的算法，其對應(yīng)數(shù)據(jù)集應(yīng)該為最常見的物體（如交通參與者）提供實(shí)例標(biāo)簽，并為東西(stuff)類提供語義標(biāo)簽。SemanticKITTI[3]或nuScenes-lidarseg[7]提供了這樣的標(biāo)簽，與之相反的是對象檢測數(shù)據(jù)集，只提供三維邊界框。

我們選擇了SemanticKITTI數(shù)據(jù)集，該數(shù)據(jù)集擴(kuò)展了KITTI數(shù)據(jù)集，對每個(gè)LiDAR掃描都進(jìn)行了密集的逐點(diǎn)語義和實(shí)例標(biāo)簽。它包含訓(xùn)練中的23,000個(gè)標(biāo)記掃描和測試集中的20,000個(gè)標(biāo)記掃描，為6,315個(gè)屬于幾個(gè)已知物體類別的物體實(shí)例，總共418,649個(gè)邊界框，提供語義和物體實(shí)例標(biāo)簽。

我們建立了開放世界的SemanticKITTI基準(zhǔn)，該基準(zhǔn)適合于評估開放世界環(huán)境中的算法性能。我們用3,587個(gè)實(shí)例擴(kuò)展了SemanticKITTI的隱藏測試集，總共有292,871個(gè)額外的對象實(shí)例標(biāo)簽，這些對象類別不一定屬于原來的對象類別中語義類別--未知對象。

參見Tab. I以了解關(guān)于類別分布的統(tǒng)計(jì)數(shù)據(jù)。我們還在驗(yàn)證集中為未知類的實(shí)例貼上標(biāo)簽，但是只提供了一種用服務(wù)端（server-side）評估的方式來評估性能，以便在訓(xùn)練時(shí)保持實(shí)例的未知。

V. 試驗(yàn)評估

我們工作的主要重點(diǎn)是一個(gè)與類別無關(guān)的實(shí)例分割。與以前的方法不同，我們的工作不需要實(shí)例或語義標(biāo)簽來去除背景。我們展示了我們的實(shí)驗(yàn)，以顯示我們的方法它能夠在不去除語義背景的情況下分割實(shí)例的能力，并且與最先進(jìn)的監(jiān)督方法相比，性能不弱下風(fēng)。

在我們所有的實(shí)驗(yàn)中，我們使用相同的參數(shù)，這些參數(shù)根據(jù)經(jīng)驗(yàn)來定義。對于實(shí)例，我們使用預(yù)先定義的大小為實(shí)例周圍1米的余量來定義感興趣的區(qū)域。對于種子采樣，我們使用γf=2, γb=2。對于GraphCut，我們使用σ=1，ω=10和λ=0.1，我們選擇k=8個(gè)最近的鄰居來定義非終端的邊緣，并建立圖形。對于自我監(jiān)督的預(yù)訓(xùn)練模型，我們使用SegContrast[28]中描述的相同預(yù)訓(xùn)練。訓(xùn)練了200個(gè)epochs。

我們在兩種設(shè)置中比較了我們的方法：只使用來自GraphCut的分割，命名為Ours；以及使用后處理步驟，即從用于生成proposals的地面分割中過濾點(diǎn)，命名為Ors?。我們將我們的結(jié)果與不同的無監(jiān)督聚類方法和基于監(jiān)督學(xué)習(xí)的方法進(jìn)行比較。

對于聚類方法，我們使用與我們的方法相同的實(shí)例proposals過程，即去除地面，然后對剩余的點(diǎn)進(jìn)行聚類。我們評估了HDBSCAN[8]和Euclidean聚類[30]。此外，我們還比較了一種在點(diǎn)云的鳥瞰圖上操作的技術(shù)、帶有快速移動(dòng)算法的聚類以及一種基于快速范圍圖像的建議生成方法。

此外，我們評估了兩種基于監(jiān)督學(xué)習(xí)的方法：Hu等人提出的方法[20]用語義分割網(wǎng)絡(luò)去除背景，并給定一個(gè)學(xué)習(xí)的對象性值對剩余的點(diǎn)進(jìn)行聚類，還有一種完全數(shù)據(jù)驅(qū)動(dòng)的方法4D-PLS[1]用于封閉世界的實(shí)例分割。

A. 關(guān)聯(lián)質(zhì)量

這個(gè)實(shí)驗(yàn)評估了測試集上的預(yù)測實(shí)例和基礎(chǔ)真值實(shí)例之間的關(guān)聯(lián)。結(jié)果表明，我們的方法，即使不使用標(biāo)簽，也達(dá)到了非常先進(jìn)的性能。

表二顯示了用度量對不同方法,在已知和未知實(shí)例以及class-agnostic的情況（即已知和未知）三種情況下的性能評估。通過比較不同的聚類方法，我們發(fā)現(xiàn)，HDBSCAN呈現(xiàn)出最好的性能，這也側(cè)面說明了我們選擇使用它來進(jìn)行實(shí)例proposal的理由。

4D-PLS方法在已知實(shí)例方面取得了最好的性能，而我們的方法在無監(jiān)督的情況下具有最好的性能。我們的方法在很大程度上改善了HDBSCAN的實(shí)例建議，甚至超過了Hu的方法。對于未知實(shí)例，有監(jiān)督的方法的性能下降。我們的方法在去除地面點(diǎn)后，對未知實(shí)例取得了最好的性能。

當(dāng)看class-agnostic的情況時(shí)，我們的方法在去除地面的情況下比無監(jiān)督方法好，不去除地面也比有監(jiān)督方法好。

表三顯示了每個(gè)已知類別的Sassoc。監(jiān)督方法的性能在最有代表性的類別，即汽車上呈現(xiàn)出最佳性能。對于其他類別，它們的性能會(huì)下降，因?yàn)檫@些類別在訓(xùn)練集中的樣本較少。我們的方法在大多數(shù)類別上超過了HDBSCAN實(shí)例proposal和監(jiān)督方法。通過使用無監(jiān)督學(xué)習(xí)的特征，我們的方法對經(jīng)常出現(xiàn)的類的過擬合程度較低，更適合于對class-agnostic的實(shí)例分割。

B. 實(shí)例分割質(zhì)量

本實(shí)驗(yàn)評估了預(yù)測實(shí)例和地面實(shí)況之間的交叉聯(lián)合（intersection-over-union, IoU）和召回率。我們通過不同的IoU閾值來計(jì)算IoU和召回率，并計(jì)算不同閾值的平均值來評估方法的整體性能。

表四顯示了不同閾值的IoU和召回率的結(jié)果。在高閾值下，即IoU90，有監(jiān)督的方法比其他方法表現(xiàn)更好。由于4D-PLS是一種全景分割方法，其在所有的閾值上對已知實(shí)例取得了最好的性能。然而，它在分割未知實(shí)例時(shí)失敗了。隨著閾值的降低，我們的方法性能越來越接近監(jiān)督方法，并在未知實(shí)例中超過了它們。在整體評估中，我們的方法與監(jiān)督方法不相上下，并且在召回率方面表現(xiàn)最好。

C. 限制條件

此外，我們還比較了我們的方法在有和沒有去除地面后處理的情況下，討論了其局限性。從上一節(jié)中可以看出，在沒有去除地面后處理的情況下，我們的方法取得了最好的整體性能，特別是對已知實(shí)例。然而，在去除地面的情況下，它在未知實(shí)例上的表現(xiàn)更好。

表五將這兩種設(shè)置與HDBSCAN proposal進(jìn)行了比較。盡管去除地面點(diǎn)會(huì)導(dǎo)致對未知實(shí)例的更好分割，但它對已知實(shí)例的影響更大，使性能下降了很多。在圖7中，我們舉了一個(gè)例子來解釋這種行為。由于地面分割是由一個(gè)無監(jiān)督的方法完成的，它可能會(huì)有點(diǎn)被錯(cuò)誤分配為地面和非地面。

因此，我們的方法可以通過正確分配以前被錯(cuò)誤地認(rèn)為是地面的實(shí)例點(diǎn)來改善分割。然而，由于地面分割的不完善，一些proposal可能會(huì)將地面視為實(shí)例點(diǎn)。在這種情況下，我們的方法可能會(huì)將地面點(diǎn)作為前景種子進(jìn)行采樣，導(dǎo)致會(huì)將更廣泛的地面區(qū)域分割做為實(shí)例的一部分。

通過后處理去除地面，我們過濾了被采樣為前景的地面區(qū)域，同時(shí)也過濾了被正確分配為實(shí)例的點(diǎn)，這些點(diǎn)之前被錯(cuò)誤地標(biāo)記為地面。因此，我們的方法的主要局限性依賴于用于采樣前景和背景種子的初始proposal。

結(jié)論

在本文中，我們提出了一種新的無監(jiān)督的、class-agnostic的實(shí)例分割方法。我們的方法使用無監(jiān)督聚類來定義實(shí)例proposal，并使用圖形優(yōu)化算法來完善這些建議，以便更恰當(dāng)?shù)剡M(jìn)行實(shí)例分割。我們的方法將點(diǎn)云表示為一個(gè)圖，并利用自我監(jiān)督的表示學(xué)習(xí)法來提取點(diǎn)的特征，從而映射圖中的點(diǎn)鄰域相似性。

這使我們能夠從背景點(diǎn)中分離出前景實(shí)例，而不需要標(biāo)簽。此外，我們還提出了一個(gè)新的開放世界數(shù)據(jù)集，以評估已知和未知實(shí)例類的class-agnostic實(shí)例分割，并提出了該基準(zhǔn)的評估程序。實(shí)驗(yàn)表明，我們的方法更適合于class-agnostic的實(shí)例分割，因?yàn)樗〉昧伺c最先進(jìn)的監(jiān)督方法相競爭的性能，甚至在未知類中超過了它。我們希望我們的工作能激勵(lì)對自監(jiān)督實(shí)例分割的進(jìn)一步研究，并且希望我們的基準(zhǔn)對研究界能有所貢獻(xiàn)。

審核編輯：劉清