APNet：航空影像与点云的城市场景分割
计算机视觉与模式识别
2023-10-02 v1
摘要
本文关注城市场景点云的语义分割方法。我们的基本理念是协同利用多样的场景表示，以受益于不同的上下文信息与网络架构。为此，所提网络架构 APNet 分为两个分支：点云分支与航空影像分支，后者输入由点云生成。为利用各分支的不同特性，我们采用一个几何感知融合模块，学习组合各分支结果。各分支额外的独立损失避免某一分支主导结果，确保各自最佳性能，并显式定义融合网络的输入域以保证其仅执行数据融合。实验表明融合输出持续优于各独立网络分支，且 APNet 在 SensatUrban 数据集上以 65.2 mIoU 达到最先进性能。录用后源码将公开。
引用
@article{arxiv.2309.17162,
title = {APNet: Urban-level Scene Segmentation of Aerial Images and Point Clouds},
author = {Weijie Wei and Martin R. Oswald and Fatemeh Karimi Nejadasl and Theo Gevers},
journal= {arXiv preprint arXiv:2309.17162},
year = {2023}
}
备注
Accepted by ICCV Workshop 2023 and selected as an oral