【论文阅读】[CVPR 2022] Contrastive Boundary Learning for Point Cloud Segmentation. [code] [Segmentation]

1. 四个问题

1. 解决什么问题
   3D 点云 的分割方法在 场景边界 表现不佳，因此拖累了整体分割精度。

However, current 3D point cloud segmentation methods usually perform poorly on scene
boundaries, which degenerates the overall segmentation performance

2. 用什么方法解决
   先探索了在分割中的评价指标，再提出方法：contrastive boundary learning (CBL) framework

3. 效果如何
   有效果

4. 还存在什么问题
   文中观点：只关注了边界而忽略了 broad inner areas
   

2. 论文介绍

实验结果：


消融实验：

3. 参考资料

4. 收获

本文 解决问题是：3D segmentation 中的 边界问题（ scene boundaries）。

先探索的segmentation 中的评价指标，改用B-IoU（从2D启发）。

然后提出了Contrastive Boundary Learning (CBL)


为了能适用于每一层，又提出了Sub-scene Boundary Mining。（因为每一层下采样之后标签信息就变了，这里用 概率 表示了标签 吧，例如3黄2蓝，label = [0.6,0.4],估计是这样的）