3DLabelProp: 基于几何的无人机激光点语义分割领域泛化方法
计算机视觉与模式识别
2025-01-27 v1
摘要
领域泛化旨在寻找方法,使深度学习模型在训练数据集与推断数据集之间出现显著领域偏移时仍能保持性能。这对需要保持鲁棒性或成本高昂的模型尤为重要。无人机激光点感知受到这两种关切的影响,导致各种方法涌现。本工作通过提出一种基于几何的方法、利用激光传感器的序列结构来解决这一挑战,这与文献中常见的基于学习的方法有所不同。所提出的方法称为3DLabelProp,应用于无人机激光点语义分割(LSS)任务。通过在七个数据集上进行大量实验,我们证明了它是一种领先的方法,显著优于任何初步方法和其他领域泛化方法。
引用
@article{arxiv.2501.14605,
title = {3DLabelProp: Geometric-Driven Domain Generalization for LiDAR Semantic Segmentation in Autonomous Driving},
author = {Jules Sanchez and Jean-Emmanuel Deschaud and François Goulette},
journal= {arXiv preprint arXiv:2501.14605},
year = {2025}
}