近日，TIME实验室2021级博士生秦者云一篇论文“Unified 3D Segmenter As Prototypical Classifiers” （作者：秦者云，韩成，卢宪凯，王奇凡，聂秀山，尹义龙）被Annual Conference on Neural Information Processing Systems（NeurIPS）2023会议录用。NeurIPS是人工智能领域的顶级会议，属于CCF A类会议。

本文介绍了一种名为ProtoSEG的原型模型，它用于统一处理点云分割任务，包括语义分割、实例分割和全景分割。目前的方法主要通过设计特定任务的网络架构来解决，这些架构往往缺乏跨任务泛化的灵活性，导致研究碎片化。我们的方法将这三个相似的任务视为一个具有不同的粒度级别的分类问题。通过利用Transformer架构，我们提取点云嵌入以优化原型-类别之间的距离，并动态学习类别原型以适应最终任务。我们的原型设计既简单又透明，具有强大的表示学习和可解释性。实验结果表明，ProtoSEG在3D点云基准上表现优于当前的专用架构，在S3DIS和ScanNet V2上实现了92.2％和76.4％的语义分割OAcc，以及S3DIS和ScanNet V2上的66.8％mCov和51.2％mAP的实例分割，以及SemanticKITTI上的62.4％PQ的全景分割，验证了所提概念的强度和算法的有效性。