DRINet++：高效的体素即点云点云分割
计算机视觉与模式识别
2021-11-17 v1 机器人学
摘要
近来，许多方法通过单一或多种表示来提升点云语义分割性能。然而，这些工作未能在性能、效率与内存消耗间保持良好的平衡。为解决这些问题，我们提出DRINet++，其通过以体素即点（voxel-as-point）原则增强点云的稀疏性与几何属性来扩展DRINet。为提升效率与性能，DRINet++主要由两个模块组成：稀疏特征编码器与稀疏几何特征增强。稀疏特征编码器提取每个点的局部上下文信息，稀疏几何特征增强通过多尺度稀疏投影与注意力多尺度融合增强稀疏点云的几何属性。此外，我们在训练阶段提出深度稀疏监督以帮助收敛并缓解内存消耗问题。我们的DRINet++在SemanticKITTI与Nuscenes数据集上均取得了最先进的室外点云分割结果，同时运行显著更快且消耗更少内存。
引用
@article{arxiv.2111.08318,
title = {DRINet++: Efficient Voxel-as-point Point Cloud Segmentation},
author = {Maosheng Ye and Rui Wan and Shuangjie Xu and Tongyi Cao and Qifeng Chen},
journal= {arXiv preprint arXiv:2111.08318},
year = {2021}
}