层次化洞察：利用结构相似性实现可靠的3D语义分割
计算机视觉与模式识别
2024-08-02 v3 人工智能
机器人学
摘要
安全关键应用（如自动驾驶）需要能够处理多样且模糊环境的鲁棒3D环境感知算法。分类模型的预测性能深受数据集和标注标签提供的先验知识的影响。虽然标签指导学习过程，但它们往往无法捕捉人类自然理解的类间内在关系。我们提出了一种针对3D LiDAR语义分割模型的训练策略，通过抽象学习类之间的结构关系。这是通过使用层次化多标签分类（HMC）的学习规则隐式建模这些关系来实现的。我们的详细分析表明，该训练策略不仅改善了模型的置信度校准，还保留了对于下游任务（如融合、预测和规划）有用的额外信息。
引用
@article{arxiv.2404.06124,
title = {Hierarchical Insights: Exploiting Structural Similarities for Reliable 3D Semantic Segmentation},
author = {Mariella Dreissig and Simon Ruehle and Florian Piewak and Joschka Boedecker},
journal= {arXiv preprint arXiv:2404.06124},
year = {2024}
}