
摘要
本文提出了一种名为EyeNet的新颖点云语义分割网络,旨在解决以往研究中常被忽视但至关重要的覆盖区域大小问题。受人类周边视觉机制的启发,EyeNet通过引入一种简洁而高效的多轮廓输入方式,以及具有并行处理结构并辅以流间连接块的网络架构,克服了传统网络的局限性。实验结果表明,该方法在密集点云处理方面具有显著优势,通过消融实验验证了其有效性,并在大规模室外数据集上取得了当前最先进的性能表现。
代码仓库
Yacovitch/EyeNet
官方
tf
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| 3d-semantic-segmentation-on-dales | EyeNet | mIoU: 79.6 |
| 3d-semantic-segmentation-on-sensaturban | EyeNet | mIoU: 62.30 oAcc: 93.7 |
| semantic-segmentation-on-toronto-3d-l002 | EyeNet | mIoU: 81.13 oAcc: 94.63 |