AEGIS-Net：用于室内位置识别的注意力引导多级特征聚合
计算机视觉与模式识别
2023-12-18 v1 机器人学
摘要
我们提出了 AEGIS-Net，一种新颖的室内位置识别模型，该模型接收 RGB 点云，并通过聚合较低级的颜色、几何特征和较高级的隐式语义特征来生成全局位置描述符。然而，并非简单的特征拼接，我们采用自注意力模块来选择最能描述室内位置的最重要局部特征。我们的 AEGIS-Net 由语义编码器、语义解码器和注意力引导的特征嵌入组成。该模型通过两阶段过程进行训练，第一阶段专注于辅助语义分割任务，第二阶段专注于位置识别任务。我们在 ScanNetPR 数据集上评估了 AEGIS-Net，并将其性能与一种深度学习前基于特征的方法和五种最先进的基于深度学习的方法进行了比较。我们的 AEGIS-Net 取得了卓越的性能，并优于所有六种方法。
引用
@article{arxiv.2312.09538,
title = {AEGIS-Net: Attention-guided Multi-Level Feature Aggregation for Indoor Place Recognition},
author = {Yuhang Ming and Jian Ma and Xingrui Yang and Weichen Dai and Yong Peng and Wanzeng Kong},
journal= {arXiv preprint arXiv:2312.09538},
year = {2023}
}
备注
Accepted by 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2024)