Human Vision Based 3D Point Cloud Semantic Segmentation of Large-Scale Outdoor Scene

要約

この論文では、重要だが見落とされがちなカバレッジ エリア サイズのパラメータに対処する点群用の新しいセマンティック セグメンテーション ネットワークである EyeNet を提案します。
人間の周辺視野からインスピレーションを得た EyeNet は、シンプルだが効率的なマルチコンター入力と、並列ストリーム間の接続ブロックを備えた並列処理ネットワークを導入することで、従来のネットワークの制限を克服します。
提案されたアプローチは、当社のアブレーション研究と大規模屋外データセットでの最先端のパフォーマンスによって実証されているように、高密度点群の課題に効果的に対処します。

要約(オリジナル)

This paper proposes EyeNet, a novel semantic segmentation network for point clouds that addresses the critical yet often overlooked parameter of coverage area size. Inspired by human peripheral vision, EyeNet overcomes the limitations of conventional networks by introducing a simple but efficient multi-contour input and a parallel processing network with connection blocks between parallel streams. The proposed approach effectively addresses the challenges of dense point clouds, as demonstrated by our ablation studies and state-of-the-art performance on Large-Scale Outdoor datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google