面向实时 LiDAR 全景分割的中心聚焦网络
计算机视觉与模式识别
2023-11-17 v1
摘要
LiDAR 全景分割有助于自动驾驶车辆全面理解周围物体与场景，且需实时运行。近期无提议方法加速了算法，但其效果与效率仍受限于对不存在的实例中心建模的困难以及代价高昂的基于中心的聚类模块。为实现准确且实时的 LiDAR 全景分割，本文引入一种新颖的中心聚焦网络（CFNet）。具体而言，提出中心聚焦特征编码（CFFE），通过平移 LiDAR 点并填充中心点，显式理解原始 LiDAR 点与虚拟实例中心之间的关系。此外，为利用冗余检测到的中心，提出快速中心去重模块（CDM），为每个实例仅选取一个中心。在 SemanticKITTI 与 nuScenes 全景分割基准上的实验表明，我们的 CFNet 大幅优于所有现有方法，且比最高效的方法快 1.6 倍。代码见 https://github.com/GangZhang842/CFNet。
引用
@article{arxiv.2311.09499,
title = {Center Focusing Network for Real-Time LiDAR Panoptic Segmentation},
author = {Xiaoyan Li and Gang Zhang and Boyue Wang and Yongli Hu and Baocai Yin},
journal= {arXiv preprint arXiv:2311.09499},
year = {2023}
}
备注
Published in the 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2023)