研究人员推出了OccNL，这是一个旨在评估带标签噪声条件下的3D语义占用预测模型的新基准。他们发现，现有的2D标签噪声学习策略在稀疏的3D体素空间中表现不佳。为了解决这个问题，他们开发了DPR-Occ，一个利用双源部分标签推理的框架，通过利用时间模型记忆和表示级结构亲和力来创建可靠的监督。在SemanticKITTI上的实验表明，即使标签噪声高达90%，DPR-Occ仍能保持性能，显著优于改编的基线。 AI
影响 这项研究可以提高在具有不完美数据的真实环境中运行的机器人感知系统的可靠性。
排序理由 这是一篇介绍特定计算机视觉任务新基准和新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
