SFPNet：稀疏焦点网络用于通用激光雷达点云的语义分割
计算机视觉与模式识别
2024-07-17 v1
摘要
虽然激光雷达语义分割领域取得了快速进展，但最先进的方法通常包含来自机械旋转激光雷达基准数据的特定设计的归纳偏置。这会限制模型对其他类型激光雷达技术的可扩展性，并使 hyperparameter 调整更加复杂。为解决这些问题，我们提出了一个通用框架，通过替换窗口注意力为稀疏焦点调制来适应市场上各种类型的激光雷达。我们的 SFPNet 能够提取多级上下文，并通过门控机制动态地对其进行聚合。通过实现通道级信息查询，编码包含本地和全局上下文的特征。我们还引入了一个用于机器人应用的新型大规模混合-固态激光雷达语义分割数据集。SFPNet 在源自机械旋转激光雷达的传统基准上表现出竞争力，同时在源自固态激光雷达的基准上实现了最先进的性能。此外，它在我们新来自混合-固态激光雷达的数据集上超越了现有方法。代码和数据集均可在 https://github.com/Cavendish518/SFPNet 和 https://www.semanticindustry.top 获取。
引用
@article{arxiv.2407.11569,
title = {SFPNet: Sparse Focal Point Network for Semantic Segmentation on General LiDAR Point Clouds},
author = {Yanbo Wang and Wentao Zhao and Chuan Cao and Tianchen Deng and Jingchuan Wang and Weidong Chen},
journal= {arXiv preprint arXiv:2407.11569},
year = {2024}
}
备注
Accepted by ECCV 2024