TFNet：時間的な手がかりを活用した高速かつ高精度なLiDARセマンティックセグメンテーション

LiDARによるセマンティックセグメンテーションは、自律走行車やロボットが周囲環境を正確かつ堅牢に理解するための重要な役割を果たしている。この分野には、ポイントベース、レンジ画像ベース、極座標ベース、およびハイブリッド戦略など、多様な手法が存在する。その中でも、効率性に優れるため、レンジ画像ベースの手法は実用的な応用において広く採用されている。しかしながら、レンジ画像の水平および垂直方向の角分解能が限られていることにより、「多数対一（many-to-one）」問題が生じ、結果として3Dポイントの約20％が遮蔽されてしまうという大きな課題に直面している。本論文では、この問題に対処するため、時間情報を活用するレンジ画像ベースのLiDARセマンティックセグメンテーション手法TFNetを提案する。具体的には、前回のスキャンから有用な情報を抽出し、現在のスキャンと統合するための時系列融合層を導入している。さらに、特に「多数対一」問題によって引き起こされる誤分類を修正するため、最大投票（max-voting）に基づく後処理手法を設計した。本手法は2つのベンチマーク上で評価され、プラグイン型のこの後処理技術が汎用性を持ち、さまざまなネットワークに適用可能であることが示された。