Panoptic-PHNet：基于聚类伪热力图实现实时高精度激光雷达全景分割
计算机视觉与模式识别
2024-07-15 v1
摘要
作为一项新兴任务，全景分割在语义分割与实例分割两方面均面临挑战。然而，现有激光雷达方法在速度与精度上仍受局限。本文提出一种快速且高性能的基于激光雷达的框架，称为 Panoptic-PHNet，具有三个突出特点：1）我们引入聚类伪热力图作为一种新范式，其后接中心分组模块，无需目标级学习任务即可生成实例中心以进行高效聚类。2）提出 knn-transformer 模块来建模前景点之间的交互，以实现精确的偏移回归。3）在骨干网络设计上，我们融合具有不同感受野的细粒度体素特征与二维鸟瞰图（BEV）特征，以同时利用细节与全局信息。在 SemanticKITTI 数据集与 nuScenes 数据集上的大量实验表明，我们的 Panoptic-PHNet 以实时速度大幅超越最先进方法。我们在 SemanticKITTI 公开排行榜上取得第 1 名，并在最近发布的 nuScenes 排行榜上取得领先性能。
引用
@article{arxiv.2205.07002,
title = {Panoptic-PHNet: Towards Real-Time and High-Precision LiDAR Panoptic Segmentation via Clustering Pseudo Heatmap},
author = {Jinke Li and Xiao He and Yang Wen and Yuan Gao and Xiaoqiang Cheng and Dan Zhang},
journal= {arXiv preprint arXiv:2205.07002},
year = {2024}
}