基于柱体级亲和力的无提案激光雷达全景分割
计算机视觉与模式识别
2022-04-20 v1
摘要
我们提出一种简洁而高效的无提案激光雷达全景分割架构。我们利用基于柱体的鸟瞰图表示，在单一网络中联合优化语义分割与类别无关的实例分类。实例分类头学习柱体间的成对亲和力以判断其是否属于同一实例。我们进一步提出一种局部聚类算法，通过融合语义分割与亲和力预测来传播实例 ID。在 nuScenes 数据集上的实验表明，我们的方法优于先前的无提案方法，并与需依赖目标检测额外标注的基于提案方法相当。
引用
@article{arxiv.2204.08744,
title = {Proposal-free Lidar Panoptic Segmentation with Pillar-level Affinity},
author = {Qi Chen and Sourabh Vora},
journal= {arXiv preprint arXiv:2204.08744},
year = {2022}
}
备注
CVPRW 2022 Workshop on Autonomous Driving