面向任意 Lidar 数据的完成学习方法
Ayca Takmaz, Cristiano Saltori, Neehar Peri, Tim Meinhardt, Riccardo de Lutio, Laura Leal-Taixé, Aljoša Ošep
发布日期: 4/17/2025
摘要
我们提出了CAL（Complete Anything in Lidar）用于基于激光雷达的野外形状补全。这与基于激光雷达的语义/全景场景补全密切相关。然而，现有的方法只能完成和识别在现有激光雷达数据集中标注的封闭词汇表中的对象。与之不同的是，我们的零样本方法利用多模态传感器序列中的时间上下文来挖掘观察到的对象的形状和语义特征。这些特征随后被提炼成一个仅基于激光雷达的实例级补全和识别模型。尽管我们仅挖掘部分形状补全，但我们发现提炼后的模型能够从数据集中的多个部分观察中推断出完整的对象形状。我们展示了该模型可以在标准基准测试中用于语义和全景场景补全，定位对象为（非模态）3D边界框，并且能够识别超出固定类别词汇表的对象。我们的项目页面为：https://research.nvidia.com/labs/dvl/projects/complete-anything-lidar