所见即所得：结构感知的点云增强
计算机视觉与模式识别
2022-12-20 v1 机器学习
摘要
为了训练一个在语义分割上表现良好的神经网络，拥有大量带有可用真值的数据集以供网络在未见数据上泛化是至关重要的。本文提出新颖的点云增强方法，以人工丰富数据集的多样性。我们以传感器为中心的方法保持数据结构与激光雷达传感器能力一致。由于这些新方法，我们能够将低价值数据用高价值实例充实，并创建全新的场景。我们在多个神经网络上使用公开的 SemanticKITTI 数据集验证我们的方法，并证明所有网络相较各自基线均有提升。此外，我们表明我们的方法使得使用极小的数据集成为可能，从而节省标注时间、训练时间及相关成本。
引用
@article{arxiv.2206.09664,
title = {What Can be Seen is What You Get: Structure Aware Point Cloud Augmentation},
author = {Frederik Hasecke and Martin Alsfasser and Anton Kummert},
journal= {arXiv preprint arXiv:2206.09664},
year = {2022}
}
备注
Published in IEEE IV 2022