多空间对齐：通用激光雷达分割

单一激光雷达分割模型具有强大的鲁棒性和通用性是安全自动驾驶感知系统所寻求的。本 work 提出 M3Net，一个独一无二的框架，能够以统一的方式完成基于单一参数集的多任务、多数据集、多模态激光雷达分割。为更好地利用数据量和多样性，我们首先将来自不同传感器、不同场景的大规模驾驶数据集组合起来，然后在训练过程中在三个空间（数据空间、特征空间和标签空间）进行对齐。因此，M3Net 能够驯服异构数据以训练最新的激光雷达分割模型。在十二个激光雷达分割数据集上的大量实验验证了我们的有效性。值得注意的是，使用相同的参数组合，M3Net 在 SemanticKITTI、nuScenes 和 Waymo Open 官方基准上的 mIoU 分别达到 75.1%、83.1% 和 72.4%。