SemanticKITTI
PulseAugur coverage of SemanticKITTI — every cluster mentioning SemanticKITTI across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
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…
-
PointDiffusion 推动自动驾驶领域的三维场景重建
研究人员开发了 PointDiffusion，一种从稀疏 LiDAR 数据重建三维场景的新方法，这对于自动驾驶至关重要。该方法采用具有交叉注意力池化的多令牌高斯 VAE 进行稳定的场景尺度压缩，并采用基于锚点的 ICP 流水线来精炼真实数据，消除里程计漂移带来的噪声。这使得单步扩散补全模型能够显著降低误差，优于 LiDiff 和 ScoreLiDAR 等现有方法，并且推理延迟大大降低。
-
EditSSC 使用 Stable Diffusion 实现可编辑的 3D 场景生成
研究人员开发了 EditSSC，一种使用 2D 鸟瞰图 (BEV) 表示来生成和编辑 3D 语义场景的新方法。该方法重新利用了 Stable Diffusion 的组件，实现了无需训练的编辑功能，如草图引导生成、图像修复和图像外绘制。与现有的 3D 特定方法相比，EditSSC 在无条件生成方面表现出卓越的性能，凸显了 2D 扩散模型在 3D 场景操作方面的潜力。
-
超图框架增强点云分割以发现新类
研究人员开发了一种新颖的基于超图的点云分割框架，该框架能够更好地发现未知对象类别。该方法超越了传统的成对关联，对已知和未知类别之间的复杂高阶关系进行建模。通过集成几何信息，即“几何感知原型”，该框架增强了空间理解能力，并在基准数据集上得到了验证，从而获得了更准确的分割结果。
-
新的 LiDAR 离群点检测方法提高了自动驾驶安全性
研究人员开发了一个名为相对能量学习 (REL) 的新框架，用于检测 3D LiDAR 点云中的离群点 (OOD) 对象，这是自动驾驶安全的关键任务。与以往在区分异常方面遇到困难的方法不同，REL 利用了分布内 (in-distribution) 和分布外 (out-of-distribution) 对数 (logits) 之间的能量差距来提高鲁棒性。为了克服训练期间 OOD 数据的缺乏，该团队引入了一种名为 Point Raise 的…
-
新的扩散模型增强了 3D 生成和网格创建
研究人员正在开发使用扩散模型和基于体素的方法进行 3D 生成的新方法。SymTRELLIS 通过在体素潜在空间上学习线性变换来强制 3D 模型中的对称性，从而提高物理可用性。MeshWeaver 使用多级稀疏体素编码器进行自回归网格生成，增强了几何上下文和压缩。离散体素扩散 (DVD) 提供了一个用于生成、评估和编辑稀疏体素的框架，提供了可解释的动态和不确定性估计。MeshFlow 使用 VAE 和 Rectified Flow Tr…
-
新的U4D框架利用不确定性增强4D LiDAR场景生成
研究人员开发了一个名为U4D的新框架，用于生成4D LiDAR场景，解决了当前方法在所有空间区域应用统一建模能力的局限性。U4D利用空间不确定性来指导场景生成过程，优先处理高熵区域以进行精确的几何合成。该框架包含一个时空混合（MoST）块，以确保跨帧连贯性，平衡细节和连续性。在nuScenes和SemanticKITTI数据集上的实验表明，U4D在场景保真度、时间一致性和下游性能方面取得了最先进的成果。
-
Vanilla ViT 在汽车点云分割领域达到最先进水平
研究人员开发了 VaViT，一种有效利用 vanilla Vision Transformer (ViT) 架构对汽车激光雷达点云进行语义分割的方法。该方法通过采用专门的分词器、轻量级解码器和定制的数据增强，解决了 U-Net 架构在该领域的统治地位。VaViT 在 nuScenes、SemanticKITTI 和 Waymo Open Dataset 等数据集上进行了验证，其性能可与当前最先进的方法相媲美甚至超越，同时保持了 ViT…