摘要
在自动驾驶数据集中的点云语义分割任务中，需要能够高效处理大量点的技术。稀疏3D卷积已成为构建用于此任务的深度神经网络的事实工具：它们利用点云的稀疏性来减少内存和计算负载，并且是当今最佳方法的核心。本文提出了一种替代方法，无需使用稀疏卷积即可达到最先进的水平。我们实际上证明了，通过依赖一些看似不适合大规模和高性能3D感知的任务工具，也可以实现这一性能水平。特别是，我们提出了一种新的3D主干网络——WaffleIron，该网络几乎完全由多层感知机（MLP）和密集2D卷积组成，并介绍了如何训练它以在SemanticKITTI和nuScenes数据集上达到高性能。我们认为，WaffleIron是一种有吸引力的替代方案，特别是在那些稀疏3D卷积不易获得的框架和硬件上。