点云分割不再靠固定池化：COC把区域聚合改成可学测度，ScanNetV2的PQ从71.2升到72.0
核心概要
在OneFormer3D的统一查询解码器里，区域特征聚合原本依赖均值、最大值这类固定统计量，COC把这一步换成每个样本一个可学习的正标量权重，再叠加收缩后的一阶与二阶几何描述子，并在解码器深度方向上做双向状态演化。ScanNetV2上实例mAP从59.3升到59.8、语义mIoU从76.6升到77.4、全景PQ从71.2升到72.0；S3DIS Area-5上mIoU从72.4升到73.8。增益幅度随数据集和指标变化，作者也说明跨论文数值只能作参考。
深度剖析
统一的三维室内场景分割模型现在可以在超点聚合阶段给每个点一个可学习的正权重，而不是把区域压成一个均值或最大值。 此前的点云分割流程用固定统计量或学习权重汇总局部特征，排列不变池化与几何感知积分之间留有缺口。 在S3DIS Area-5同一协议下，散点均值池化得到72.4 mIoU，散点最大得到72.2，线性加权得到73.5，LGDI得到74.0。
做法是在OneFormer3D的查询解码器内替换三处信息传递操作，预测头保持不变。 LGDI用Softplus输出每个样本的正标量测度并归一化成权重，把加权内容积分、按行取范数收缩的一阶雅可比描述子和成对叉积的二阶描述子拼在一起做残差更新。 SAG-CA在局部正核读取之外增加一个排列不变的状态库供查询读取，DSSA只沿本身有序的解码器深度轴做有界双向递推；实验在单张RTX 4090上按ScanNetV2与S3DIS的固定配置完成。
启示与展望
评估限定在ScanNetV2与S3DIS两个室内基准上，覆盖语义、实例和全景三类任务，全部实验在单张RTX 4090上完成。作者把扩展到自动驾驶激光雷达等大规模户外与动态场景列为后续工作，因此当前结论的适用范围是室内场景。
作者说明部分单项指标的数值增益有限，表格并未对每一项比较确立统计显著性，跨论文数值只能当作参考点而非严格同轮次对照。几何不变性检查是在固定随机特征与区域划分下的算子级测试，不能推出完整训练网络对输入变换不变；S3DIS训练配置的旋转范围设为零，其分数不构成旋转鲁棒性评估。