AEGIS-Net: Attention-guided Multi-Level Feature Aggregation for Indoor Place Recognition

要約

我々は、RGB 点群を取り込み、低レベルの色、幾何学的特徴、および高レベルの暗黙的意味論的特徴を集約することによってグローバルな場所記述子を生成する、新しい屋内場所認識モデルである AEGIS-Net を紹介します。
ただし、単純な特徴の連結ではなく、セルフ アテンション モジュールを使用して、屋内の場所を最もよく表す最も重要な局所特徴を選択します。
私たちの AEGIS-Net は、セマンティック エンコーダー、セマンティック デコーダー、および注意誘導機能の埋め込みで構成されています。
モデルは 2 段階のプロセスでトレーニングされます。第 1 段階では補助セマンティック セグメンテーション タスクに焦点を当て、第 2 段階では場所認識タスクに焦点を当てます。
ScanNetPR データセットで AEGIS-Net を評価し、そのパフォーマンスをディープラーニング以前の機能ベースの手法および 5 つの最先端のディープラーニング ベースの手法と比較します。
当社の AEGIS-Net は優れたパフォーマンスを実現し、6 つの方法すべてを上回ります。

要約(オリジナル)

We present AEGIS-Net, a novel indoor place recognition model that takes in RGB point clouds and generates global place descriptors by aggregating lower-level color, geometry features and higher-level implicit semantic features. However, rather than simple feature concatenation, self-attention modules are employed to select the most important local features that best describe an indoor place. Our AEGIS-Net is made of a semantic encoder, a semantic decoder and an attention-guided feature embedding. The model is trained in a 2-stage process with the first stage focusing on an auxiliary semantic segmentation task and the second one on the place recognition task. We evaluate our AEGIS-Net on the ScanNetPR dataset and compare its performance with a pre-deep-learning feature-based method and five state-of-the-art deep-learning-based methods. Our AEGIS-Net achieves exceptional performance and outperforms all six methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google