MV-MOS：用于三维运动物体分割的多视角特征融合
计算机视觉与模式识别
2024-08-21 v1 人工智能
摘要
有效总结密集三维点云数据并提取运动物体的运动信息（运动物体分割，MOS）对于自动驾驶和机器人应用至关重要。如何有效利用运动和语义特征，并避免三维到二维投影过程中的信息丢失，仍然是一个关键挑战。本文提出了一种新颖的多视角 MOS 模型（MV-MOS），通过融合点云的不同二维表示中的运动-语义特征来构建。为有效利用互补信息，所提出模型的运动分支结合了来自鸟瞰图（BEV）和距离图（RV）表示的运动特征。此外，引入了一个语义分支来提供运动物体的补充语义特征。最后，一个 Mamba 模块被用于融合语义特征与运动特征，并为运动分支提供有效指导。我们通过全面的实验验证了所提出的多分支融合 MOS 框架的有效性，所提出的模型在 SemanticKITTI 基准测试上优于现有的最先进模型。
引用
@article{arxiv.2408.10602,
title = {MV-MOS: Multi-View Feature Fusion for 3D Moving Object Segmentation},
author = {Jintao Cheng and Xingming Chen and Jinxin Liang and Xiaoyu Tang and Xieyuanli Chen and Dachuan Li},
journal= {arXiv preprint arXiv:2408.10602},
year = {2024}
}
备注
7 pages, 4 figures