私たちは、ボクセル化されたスパース3D LiDARスキャンからマルチスケール3Dセマンティックシーン補完を行う新しい手法を紹介します。既存の研究とは異なり、特徴量の流れを強化するために包括的なマルチスケールスキップ接続を持つ2D U-Netバックボーンと、3Dセグメンテーションヘッドを使用しています。SemanticKITTIベンチマークにおいて、私たちの手法は他のすべての公開手法と同等のセマンティック補完性能を示し、さらに占有状態補完では優れた結果を出しています——そして著しく軽量で高速です。このような特性により、モバイルロボティクス応用における性能と速度のバランスが非常に良いことを提供します。アブレーションスタディでは、私たちの手法が低密度入力に対して堅牢であり、最も粗いレベルでの非常に高速なセマンティック補完が可能であることが示されています。私たちのコードは以下のURLから入手可能です: https://github.com/cv-rits/LMSCNet.