遛你的 LiDOG：跨越多域的激光雷达语义分割之旅
计算机视觉与模式识别
2023-08-30 v2 人工智能
机器学习
摘要
部署能够安全在多样环境中运行的机器人，对开发具身智能体至关重要。作为社区，我们在同域激光雷达语义分割方面取得了巨大进展。然而，这些方法能跨域泛化吗？为回答此问题，我们设计了首个用于研究激光雷达语义分割域泛化（DG-LSS）的实验设置。我们的结果证实了在跨域设定下方法间存在显著差距：例如，在源数据集（SemanticKITTI）上训练的模型在目标数据上获得 mIoU，而在目标域（nuScenes）上训练的模型获得 mIoU。为解决此差距，我们提出首个专为 DG-LSS 设计的方法，其在目标域上获得 mIoU，优于所有基线。我们的方法在稀疏卷积编码器-解码器 3D 分割网络基础上增加一个额外的稠密 2D 卷积解码器，学习对点云的鸟瞰图进行分类。这一简单的辅助任务鼓励 3D 网络学习对传感器放置偏移和分辨率鲁棒且可跨域迁移的特征。通过本工作，我们旨在启发社区在此类跨域条件下开发和评估未来模型。
引用
@article{arxiv.2304.11705,
title = {Walking Your LiDOG: A Journey Through Multiple Domains for LiDAR Semantic Segmentation},
author = {Cristiano Saltori and Aljoša Ošep and Elisa Ricci and Laura Leal-Taixé},
journal= {arXiv preprint arXiv:2304.11705},
year = {2023}
}
备注
Accepted at ICCV 2023