SSC-RS：以表示分离与 BEV 融合提升激光雷达语义场景补全
计算机视觉与模式识别
2023-06-28 v1 人工智能
摘要
语义场景补全（SSC）联合预测整个 3D 场景的语义与几何，在自动驾驶系统的 3D 场景理解中起着关键作用。借助分割中的语义上下文，SSC 已取得快速进展。然而，如何有效利用语义分割中语义上下文与场景补全中几何结构之间的关系仍待探索。本文中，我们提出从表示分离与 BEV 融合的角度解决室外 SSC。具体地，我们给出名为 SSC-RS 的网络，其使用带深度监督的分离分支显式解耦语义与几何表示的学习过程；并呈现配备所提自适应表示融合（ARF）模块的 BEV 融合网络，以有效且高效地聚合多尺度特征。由于计算负担低且表示能力强，我们的模型在实时运行的同时具备良好通用性。在 SemanticKITTI 上的大量实验表明，我们的 SSC-RS 达到了最优性能。
引用
@article{arxiv.2306.15349,
title = {SSC-RS: Elevate LiDAR Semantic Scene Completion with Representation Separation and BEV Fusion},
author = {Jianbiao Mei and Yu Yang and Mengmeng Wang and Tianxin Huang and Xuemeng Yang and Yong Liu},
journal= {arXiv preprint arXiv:2306.15349},
year = {2023}
}
备注
8 pages, 5 figures, IROS2023