3 个月前

基于人类视觉的大规模室外场景三维点云语义分割

基于人类视觉的大规模室外场景三维点云语义分割

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

基准测试

基准方法指标
3d-semantic-segmentation-on-dalesEyeNet
mIoU: 79.6
3d-semantic-segmentation-on-sensaturbanEyeNet
mIoU: 62.30
oAcc: 93.7
semantic-segmentation-on-toronto-3d-l002EyeNet
mIoU: 81.13
oAcc: 94.63

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
基于人类视觉的大规模室外场景三维点云语义分割 | 论文 | HyperAI超神经