用华夫饼铁处理自动驾驶点云语义分割
计算机视觉与模式识别
2023-09-26 v2
摘要
自动驾驶数据集中点云的语义分割需要能够高效处理大量点的技术。稀疏 3D 卷积已成为构建该任务深度神经网络的事实标准工具：它们利用点云稀疏性降低内存与计算负载，并居于当今最佳方法的核心。本文提出一种替代方法，无需稀疏卷积即可达到最先进方法的水平。我们实际上表明，此类性能水平可通过依赖先验被认为不适合大规模高性能 3D 感知的工具实现。特别地，我们提出一种新颖的 3D 骨干网络 WaffleIron，几乎完全由 MLP 和稠密 2D 卷积构成，并展示如何训练它在 SemanticKITTI 和 nuScenes 上达到高性能。我们认为 WaffleIron 是使用稀疏 3D 卷积骨干网络的有力替代方案，尤其在那些卷积不易获取框架与硬件中。
引用
@article{arxiv.2301.10100,
title = {Using a Waffle Iron for Automotive Point Cloud Semantic Segmentation},
author = {Gilles Puy and Alexandre Boulch and Renaud Marlet},
journal= {arXiv preprint arXiv:2301.10100},
year = {2023}
}
备注
Accepted at ICCV23. Code available at https://github.com/valeoai/WaffleIron