Geo-ConvGRU：用于鸟瞰视图分割的地理屏蔽卷积门控循环单元
计算机视觉与模式识别
2024-12-31 v1
摘要
卷积神经网络（CNN）在计算机视觉任务中产生了显著影响，但由于卷积操作的局部性质，本身难以显式地建模长程依赖关系。虽然 Transformer 已解决了在空间维度上处理长程依赖关系的局限性，但在时间维度上仍鲜有探索。本文首先指出，3D CNN 在捕获长程时间依赖关系方面存在局限性。虽然 Transformer 缓解了空间维度的问题，但会导致参数大幅增加和处理速度下降。在克服这些挑战方面，我们引入了一个简单而有效的模块，地理屏蔽卷积门控循环单元（Geo-ConvGRU），专为鸟瞰视图分割设计。具体而言，我们用 ConvGRU 替换时间模块中的 3D CNN 层，以增强网络处理时间依赖关系的能力。此外，我们将地理屏蔽整合到卷积门控循环单元中，以抑制由时间模块引入的噪声。我们在 NuScenes 数据集上进行了全面实验，验证了所提出 Geo-ConvGRU 的优势，显示我们的方法在鸟瞰视图分割中实现了最先进的性能。
引用
@article{arxiv.2412.20171,
title = {Geo-ConvGRU: Geographically Masked Convolutional Gated Recurrent Unit for Bird-Eye View Segmentation},
author = {Guanglei Yang and Yongqiang Zhang and Wanlong Li and Yu Tang and Weize Shang and Feng Wen and Hongbo Zhang and Mingli Ding},
journal= {arXiv preprint arXiv:2412.20171},
year = {2024}
}