CV-MOS：一种用于运动分割的跨视图模型
计算机视觉与模式识别
2024-08-27 v1
摘要
在自动驾驶中，准确区分静止与运动物体对于自动驾驶系统至关重要。在进行运动目标分割（MOS）任务时，有效利用物体的运动信息成为提高移动物体识别的首要挑战。以往的方法要么利用范围视图（RV）或鸟瞰图（BEV）残差图来捕获运动信息。不同于传统方法，我们提出将RV和BEV残差图组合起来，联合利用更大的运动信息潜力。因此，我们引入CV-MOS，这是一个用于移动目标分割的跨视图模型。我们的创新之处在于通过捕获BEV和RV残差图中的运动信息，并从范围图像生成语义特征，用作运动分支的移动目标指导。我们的直接独特解决方案最大化了范围图像、RV和BEV残差图的利用，显著提升了基于LiDAR的MOS任务性能。在语义KITTI数据集验证集和测试集上，我们的方法实现了77.5%和79.2%的领先IoU得分。特别是，CV-MOS在各种数据集上展现出迄今为止的最佳性能。CV-MOS实现可在https://github.com/SCNU-RISLAB/CV-MOS获取
引用
@article{arxiv.2408.13790,
title = {CV-MOS: A Cross-View Model for Motion Segmentation},
author = {Xiaoyu Tang and Zeyu Chen and Jintao Cheng and Xieyuanli Chen and Jin Wu and Bohuan Xue},
journal= {arXiv preprint arXiv:2408.13790},
year = {2024}
}