使用稀疏时间局部注意力的点云分割
计算机视觉与模式识别
2021-12-03 v2 人工智能
摘要
点云是自动驾驶车辆中用于感知的关键模态，提供了对周围环境鲁棒几何理解的途径。然而，尽管自动驾驶车辆的传感器输出天然具有时间特性，利用点云序列进行 3D 语义分割的探索仍然有限。本文提出一种新颖的稀疏时间局部注意力（STELA）模块，其聚合先前点云帧中局部邻域的中间特征，为解码器提供丰富的时间上下文。使用稀疏局部邻域使我们的方法比直接匹配点特征的方法更灵活地聚集特征，且比在整个点云帧上执行昂贵全局注意力的方法更高效。我们在 SemanticKitti 数据集上取得了 64.3% 的具竞争力 mIoU，并在消融研究中展示相较单帧基线的显著提升。
引用
@article{arxiv.2112.00289,
title = {Point Cloud Segmentation Using Sparse Temporal Local Attention},
author = {Joshua Knights and Peyman Moghadam and Clinton Fookes and Sridha Sridharan},
journal= {arXiv preprint arXiv:2112.00289},
year = {2021}
}
备注
8 pages, 3 figures Published at the Australasian Conference on Robotics and Automation (ACRA) 2021