基于置换晶格的时序语义分割抽象流
计算机视觉与模式识别
2022-03-30 v1 机器学习
摘要
语义分割是自主智能体所需的核心能力，因为能够区分场景的哪些部分属于哪个对象类别对于导航和与环境的互动至关重要。仅使用单时间步数据的方法无法区分运动物体，也无法利用时间积分。在这项工作中，我们将骨干网络 LatticeNet 扩展以处理时序点云数据。此外，我们从光流方法中获得启发，提出了一种称为抽象流（Abstract Flow）的新模块，该模块允许网络匹配具有相似抽象特征的场景部分并随时间聚合信息。我们在包含来自真实城市环境的 LiDAR 扫描的 SemanticKITTI 数据集上取得了最先进的结果。我们在 https://github.com/AIS-Bonn/temporal_latticenet 分享了 TemporalLatticeNet 的 PyTorch 实现。
引用
@article{arxiv.2203.15469,
title = {Abstract Flow for Temporal Semantic Segmentation on the Permutohedral Lattice},
author = {Peer Schütt and Radu Alexandru Rosu and Sven Behnke},
journal= {arXiv preprint arXiv:2203.15469},
year = {2022}
}
备注
Accepted IEEE International Conference on Robotics and Automation (ICRA) 2022, Code available at https://github.com/AIS-Bonn/temporal_latticenet