CENet: نحو تقسيم معنوي موجز وفعال للليدار لقيادة السيارات ذاتية القيادة

الفهم الدقيق والسريع للمشهد هو أحد التحديات الرئيسية في قيادة المركبات ذاتية القيادة، والذي يتطلب الاستفادة الكاملة من سحب نقاط ليدار (LiDAR) للفصل الدلالي. في هذا البحث، نقدم شبكة فصل دلالي قائمة على الصور موجزة وكفوءة، أطلقنا عليها اسم \textbf{CENet}. من أجل تحسين قوة الوصف للخصائص المُتعلمة وخفض التعقيد الحسابي والزمني، يدمج CENet لدينا عملية التجميع باستخدام حجم نواة أكبر بدلاً من الشبكة العصبية المتعددة الطبقات (MLP)، ودوال تنشيط مختارة بعناية، ورؤوس فصل دلالي مساعدة متعددة مع دوال خسارة متناظرة في هيكله. تُظهر التجارب الكمية والنوعية التي أجريت على مقاييس عامة متاحة للجمهور مثل SemanticKITTI وSemanticPOSS أن خط أنابيبنا يحقق نتائج أفضل بكثير في مؤشر IoU المتوسط وأداء الاستدلال مقارنة بالنماذج الرائدة. سيتم توفير الكود في https://github.com/huixiancheng/CENet.