SemanticKITTI
PulseAugur coverage of SemanticKITTI — every cluster mentioning SemanticKITTI across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Lang3DSeg 实现免标注的 3D LiDAR 分割
研究人员开发了 Lang3DSeg，一种用于开放词汇 3D LiDAR 分割的新型点 Transformer 模型。该方法通过将 2D 视觉-语言模型投影到 3D 数据上来绕过手动标注的需求，并通过类别优先级规则和深度分布截断来解决深度模糊等挑战。Lang3DSeg 在 nuScenes 和 SemanticKITTI 基准测试中，在免标注方法方面取得了最先进的成果，并且无需同时进行视觉-语言模型推理即可在单次 LiDAR 扫描中实现实时运行。
-
新的SSC-Priors方法提升了激光雷达语义场景补全性能
研究人员推出了一种名为SSC-Priors的方法，可在无需复杂架构变更的情况下提升激光雷达语义场景补全（SSC）的性能。该方法利用现有分割器的语义伪标签和传感器可见性信息作为SSC网络的附加输入。这些先验信息显著提升了性能，使得旧模型在SemanticKITTI和SSCBench-nuScenes等基准测试中能够与最先进的系统相媲美。
-
DAGLFNet 通过新颖的融合技术改进伪图像点云分割
研究人员开发了 DAGLFNet，一个用于伪图像点云语义分割的新框架。该方法通过引入全局-局部特征融合编码模块、多分支特征提取网络以及深度特征引导的注意力机制实现特征融合，解决了 2D 和 3D 数据融合的挑战。DAGLFNet 旨在提高特征辨别力，并在自动导航等应用的环保感知系统中实现准确性和效率之间的平衡。
-
新数据集和模型增强了激光雷达对自行车安全性的分割能力
研究人员开发了一个专门针对自行车的新型激光雷达语义分割数据集和模型，旨在提高骑行者安全。BikeScenes-lidarseg 数据集使用 TU Delft 校区上的 SenseBike 平台收集，包含 3021 个激光雷达扫描，并标注了 29 个类别。初步研究在该数据集上对预训练的 FRNet 模型进行了微调，将其平均交并比 (mIoU) 从 13.8% 显著提高到 63.6%，证明了领域内数据在此应用中的价值。
-
LiDAR-SAM2 利用视频模型自动进行 4D LiDAR 数据注释
研究人员开发了 LiDAR-SAM2，这是一个利用 2D 视频基础模型 SAM2 来自动标注 4D LiDAR 数据的创新框架。该系统能够为 LiDAR 点云生成时间一致的标签，无需人工标注，从而显著减轻 3D 和 4D 场景理解任务的负担。使用 LiDAR-SAM2 标注的数据训练的模型，其性能与完全人工标注训练的模型相当，证明了其作为可扩展注释工具的潜力。
-
新的GSSC方法利用离散扩散技术推进激光雷达语义场景补全
研究人员推出了一种名为生成式语义场景补全（GSSC）的新方法，用于从稀疏的激光雷达扫描中重建密集的语义体素网格。该方法采用单一的离散扩散模型，具有三个不同的作用：PS$^3$用于生成合成的稀疏-密集场景对，SGSC用于在稀疏数据条件下从噪声生成场景，S$^2$D$^2$用于优化现有补全。S$^2$D$^2$组件显著提高了在SemanticKITTI基准测试上的性能，取得了最先进的成果。
-
RePL框架通过精炼伪标签提升激光雷达语义分割性能
研究人员开发了RePL，一个旨在提高激光雷达语义分割半监督学习中伪标签质量的新框架。该方法通过掩码重构和专门的训练策略识别和纠正伪标签中的错误，从而解决了常见的误差传播问题。在nuScenes-lidarseg和SemanticKITTI数据集上的评估表明，RePL显著提高了伪标签的准确性，从而在该领域取得了最先进的性能。
-
自监督点Transformer实现3D实例分割的涌现
研究人员开发了一种名为TokenGraph3D的新方法，使用自监督点Transformer进行无监督3D实例分割。该方法利用这些Transformer的内部表示，特别是关注注意力查询和键，以分离对象实例，而无需依赖传统的几何先验。该方法发现实例信号集中在特定层，并受到旋转位置编码（RoPE）的显著影响，证明了其在SemanticKITTI、nuScenes和Waymo Perception等数据集上的有效性。
-
RapidLiDAR 实现实时激光雷达场景补全，速度提升 2.3 倍
研究人员开发了 RapidLiDAR，一种用于实时激光雷达场景补全的新颖方法，显著提高了速度和适应性。与依赖固定噪声扰动或慢速生成模型的前辈方法不同，RapidLiDAR 使用了学习到的、数据驱动的组件进行场景初始化。这个自适应初始化模块预测输入点的空间变化位移，在无需手动调整的情况下创建适应局部几何的粗略场景。该系统进一步使用多尺度体素和 BEV 特征图来精炼此初始化，实现了最先进的补全性能，同时仅用 0.1 秒即可处理完整场景，比…
-
RayLift框架利用几何先验增强三维语义场景补全
研究人员推出RayLift，一个旨在改进三维语义场景补全的新框架，适用于自动驾驶等应用。与以往僵化使用立体深度估计的方法不同，RayLift整合了互补的逐射线证据和三维几何先验，以创建更可靠的三维结构。该框架使用一个上下文编码器来获取几何感知先验，并使用一个专门的提升模块来沿相机射线自适应地采样和加权表面位置，最终将这些证据整合到具有语义感知积分器的体素特征中。在SemanticKITTI等基准数据集上的实验表明，RayLift的性能…
-
LiDAR 场景补全：迭代细化与拓宽预测器的研究
一篇新的研究论文探讨了测试时细化策略对 LiDAR 语义场景补全的有效性。该研究比较了一次性预测器、拓宽的一次性预测器和迭代细化系统，发现迭代方法在特定几何条件（如连贯的间隙）下能适度提高平均交并比（mIoU）。然而，对于更广泛的稀疏化或添加性杂乱，训练覆盖率和不同的鲁棒性机制被证明更有效。迭代系统在时间和内存方面也带来了更高的计算成本。
-
GeoScene框架利用地理空间数据改进3D场景补全
研究人员开发了GeoScene，一个旨在通过整合地理空间数据来改进3D语义场景补全的新型框架。该方法将车载图像与来自OpenStreetMap的结构化信息（如道路和建筑布局）相结合，以提供对场景更全面的理解。GeoScene学会平衡视觉观测的可靠性与地理空间数据的结构引导，从而提高几何和语义精度，尤其是在大规模和结构化元素方面。
-
新的UTok3D分词器将CLIP适配于3D理解任务
研究人员开发了UTok3D，一个新颖的参数高效框架，旨在将CLIP（一种视觉-语言模型）适配于3D理解任务。该分词器解决了将CLIP（在2D图像块上训练）应用于不规则和稀疏的3D点云的挑战。UTok3D学习了一个尺度归一化的3D分词器，使冻结的CLIP视觉编码器能够解释3D数据，从而在ShapeNetPart、ScanNetV2、S3DIS、SemanticKITTI和nuScenes等多样化数据集上实现无标注3D分割。
-
Proteus模型提供鲁棒的LiDAR压缩，具有70%的截断容忍度
研究人员开发了Proteus，一种专为LiDAR点云设计的新型压缩模型。该模型采用一种独特的策略，将显著位平面（SIG）与不显著位平面（INS）分开，以确保对数据截断的鲁棒性。SIG块提供了基本的感知下限，而INS块则渐进地重建细节，使系统能够容忍高达约70%的比特流截断。在各种压缩场景下，Proteus的性能优于G-PCC、Draco和JPEG XL等现有标准，以及学习型压缩器Unicorn。
-
FPSGen 框架独立于部分扫描生成 3D 点云场景
研究人员推出了一种新颖的 3D 点云场景生成框架 FPSGen。该方法通过将场景生成与部分扫描解耦来解决现有方法的局限性，从而避免了稀疏性和可见性相关的偏差。FPSGen 首先预测一个鸟瞰图（BEV）先验，然后将其用作无条件或有条件初始化的点源。一个教师-学生传输方案学习一个速度场来拉直传输路径，从而实现灵活的场景生成。
-
新的UP-Fuse框架增强了用于3D全景分割的LiDAR-相机融合
研究人员开发了UP-Fuse，一个用于3D全景分割的新型框架，它增强了LiDAR和相机数据的融合。该系统即使在相机传感器降级或失效时也能保持鲁棒性，这是机器人感知中的一个关键问题。UP-Fuse使用一个不确定性引导模块，根据预测的不确定性图动态调整传感器输入的交互，确保只有可靠的视觉信息影响最终表示。然后，该框架采用混合2D-3D Transformer直接预测3D分割掩码，在包括其自身的Panoptic Waymo数据集在内的多个基…
-
新的激光雷达地面分割方法提高了自动导航精度
研究人员开发了一种新颖的两阶段激光雷达数据地面点分割方法ACZ-GSeg。该方法利用自适应同心区域模型动态调整扇区划分，在局部区域内创建更均衡的点分布。该方法结合了最低高度种子约束和高度衰减加权进行初始地面候选提取，然后使用反射率强度一致性约束来优化不确定的点。ACZ-GSeg在基准数据集上展示了高精度和高召回率，能有效处理稀疏的远程点云和复杂的道路场景。
-
新基准和方法解决3D语义占用预测中的噪声标签问题
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。
-
新的基于扩散的攻击目标是自动驾驶中的激光雷达分割
研究人员开发了一种新颖的基于扩散的对抗性攻击，专门针对自动驾驶中使用的二维测距图像分割模型。该方法在新的arXiv论文中有所介绍，生成的对抗性样本在视觉上逼真，并且与自然数据分布接近，同时会导致分割中的结构化错误。该攻击提供了可调的退化，并已证明对不同的分割架构都有效，优于FGSM和SegPGD等现有的有界攻击方法。
-
SparseOcc++ 推进自动驾驶语义占用预测 · 追踪 2 个来源
研究人员推出 SparseOcc++，这是一个用于基于视觉的 3D 语义占用预测的先进框架，这对于自动驾驶至关重要。该新方法通过将场景补全与语义分割解耦，解决了计算效率低下和几何歧义问题，从而改进了现有的稀疏表示。SparseOcc++ 将补全重新表述为符号距离回归，并使用几何引导传播模块来确保语义分割仅限于经过几何验证的区域。实验表明，SparseOcc++ 通过提高 IoU 和大幅缩短处理时间（与 SparseOcc 和 OccF…