多尺度局部特征融合的弱监督点云语义分割

来源：电子测量技术杂志2026年第6期北京时间：

作者：武佳颖，杨晓文，韩燮，韩慧妍，张元，赵融

单位：1.中北大学计算机科学与技术学院 太原 030051; 2.机器视觉与虚拟现实山西省重点实验室 太原 030051; 3.山西省视觉信息处理及智能机器人工程研究中心 太原 030051

摘要：针对现有基于弱监督的语义分割模型无法同时顾及点云局部细节特征的高相关性和泛化性，以及特征利用不充分的问题，以RAC-Net为基线模型，提出了多尺度局部特征融合的弱监督点云语义分割模型WS-MLF。首先，原始点云数据作为输入，提出了多尺度球域采样的方法MSSM提取多层的不同半径特征；其次，设计了特征增强模块MFA，充分利用点邻域内的几何特征；再次，提出了注意力模块SCH-Att以增强关键通道和关键点的特征捕捉；最后，运用解码器进行上采样，生成每个点不同的语义标签，完成语义分割任务。该模型在大规模室内场景数据集S3DIS和ScanNet-v2上进行了实验验证，结果表明在S3DIS数据集上，标签比率为0.02%和0.06%时，mIoU分别较RAC-Net提升了2.71%和0.54%，在ScanNet-v2数据集上，标签比率为20 pt时，mIoU较RAC-Net提升了1.55%。实验结果验证了该模型在弱监督场景中对点云关键特征的良好提取能力，提升了基于弱监督的点云语义分割精度。

关键词：弱监督;点云语义分割;多尺度;注意力机制;特征聚合

基金资助：国家自然科学基金（62272426）、山西省重点研发计划项目（202402020101001）、山西省自然科学基金(202303021211153，202403021212166)项目资助