SIESEF-FusionNet：用于激光点云语义分割的空间关联性增强与空间嵌入特征融合网络
计算机视觉与模式识别
2024-11-12 v1
摘要
点云语义分割中不同语义类别边界的模糊性常导致智能感知系统（如自动驾驶）中的错误决策。因此，准确描绘边界对于提高自动驾驶的安全性至关重要。本文提出一种新型空间关联性增强和空间嵌入特征融合网络（SIESEF-FusionNet），通过结合逆距离加权和角度补偿来增强空间关联性，从而在不引发冗余的前提下提取更多有益的空间信息。同时，还设计了一个新的空间自适应池化模块，将增强的空间信息嵌入语义特征中，以强化语义特征的上下文感知能力。实验结果表明，SIESEF-FusionNet 在 Toronto3D 数据集上实现了 83.7% 的 mIoU 和 97.8% 的 OA，在 semanticKITTI 数据集上达到了 61.1% 的 mIoU，并显著优于其他基线方法。此外，还通过消融实验进一步验证了所提出模块的有效性和即插即用能力。
引用
@article{arxiv.2411.06991,
title = {SIESEF-FusionNet: Spatial Inter-correlation Enhancement and Spatially-Embedded Feature Fusion Network for LiDAR Point Cloud Semantic Segmentation},
author = {Jiale Chen and Fei Xia and Jianliang Mao and Haoping Wang and Chuanlin Zhang},
journal= {arXiv preprint arXiv:2411.06991},
year = {2024}
}
备注
9 pages, 4 figures