2달 전

4D-StOP: 시공간 객체 제안 생성 및 집계를 사용한 4D LiDAR의 팬옵틱 세그멘테이션

Kreuzberg, Lars ; Zulfikar, Idil Esen ; Mahadevan, Sabarinath ; Engelmann, Francis ; Leibe, Bastian
4D-StOP: 시공간 객체 제안 생성 및 집계를 사용한 4D LiDAR의 팬옵틱 세그멘테이션
초록

이 연구에서는 4D 팬오라믹 LiDAR 세그멘테이션 문제를 해결하기 위한 새로운 패러다임인 4D-StOP을 제시합니다. 4D-StOP은 먼저 투표 기반 중심 예측을 사용하여 시공간 제안을 생성합니다. 여기서 4D 볼륨의 각 점은 해당 중심에 대한 투표를 합니다. 이러한 트랙렛 제안은 학습된 기하학적 특징을 사용하여 추가로 집계됩니다. 트랙렛 집계 방법은 전체 시공간 볼륨에 걸쳐 비디오 수준의 4D 장면 표현을 효과적으로 생성합니다. 이는 가우스 확률 분포로 표현되는 시공간 임베딩을 사용하는 기존의 최신 엔드투엔드 학습 가능한 접근 방식과 대조됩니다. 우리의 투표 기반 트랙렛 생성 방법과 기하학적 특징 기반 집계 방법은 가우스 확률 분포를 사용하여 전체 4D 볼륨을 모델링하는 것보다 훨씬 높은 품질의 팬오라믹 LiDAR 세그멘테이션 결과를 생성합니다. 4D-StOP은 SemanticKITTI 테스트 데이터셋에 적용될 때 63.9 LSTQ 점수를 달성하며, 이는 현재 가장 성능이 좋은 엔드투엔드 학습 가능한 방법론과 비교해 큰 (+7%) 개선입니다. 코드와 사전 학습된 모델들은 다음 주소에서 제공됩니다: https://github.com/LarsKreuzberg/4D-StOP.

4D-StOP: 시공간 객체 제안 생성 및 집계를 사용한 4D LiDAR의 팬옵틱 세그멘테이션 | 최신 연구 논문 | HyperAI초신경