基于细化模块的 3D 语义场景完成增强
计算机视觉与模式识别
2026-05-25 v2
摘要
我们提出 ESSC-RM 框架，用于语义场景完成 (SSC) 的 3D 语义增强。该框架可无缝集成至现有 SSC 模型中。ESSC-RM 包含两个阶段：首先由基线 SSC 网络生成粗糙体素预测；随后在多尺度监督下，通过 3D U-Net 构建的预测噪声感知模块 (PNAM) 和体素级局部几何模块 (VLGM) 对预测进行细化。在 SemanticKITTI 数据集上进行实验表明，ESSC-RM 持续提升语义预测性能。当集成至 CGFormer 和 MonoScene 时，平均 IoU 分别从 16.87% 提升至 17.27% 和从 11.08% 提升至 11.51%。这些结果表明 ESSC-RM 是适用于广泛 SSC 模型的通用细化框架。
引用
@article{arxiv.2512.18363,
title = {Enhancing 3D Semantic Scene Completion with a Refinement Module},
author = {Dunxing Zhang and Jiachen Lu and Han Yang and Lei Bao and Bo Song},
journal= {arXiv preprint arXiv:2512.18363},
year = {2026}
}
备注
19 pages, 8 figures