LMSCNet：轻量多尺度三维语义补全
计算机视觉与模式识别
2020-10-27 v2
摘要
我们提出了一种从体素化稀疏三维 LiDAR 扫描进行多尺度三维语义场景补全的新方法。与已有文献不同，我们使用具有全面多尺度跳跃连接的 2D UNet 骨干网络以增强特征流动，并配以三维分割头。在 SemanticKITTI 基准上，我们的方法在语义补全上与所有其他已发表方法相当，在占据补全上优于它们——同时显著更轻量且更快。因此，它为移动机器人应用提供了极佳的性能/速度权衡。消融研究表明我们的方法对较低密度输入具有鲁棒性，并且它能在最粗层级实现极高速的语义补全。我们的代码可在 https://github.com/cv-rits/LMSCNet 获取。
引用
@article{arxiv.2008.10559,
title = {LMSCNet: Lightweight Multiscale 3D Semantic Completion},
author = {Luis Roldão and Raoul de Charette and Anne Verroust-Blondet},
journal= {arXiv preprint arXiv:2008.10559},
year = {2020}
}
备注
Accepted at 3DV 2020 (Oral). For a demo video, see http://tiny.cc/lmscnet. Code is available at https://github.com/cv-rits/LMSCNet