An Empirical Study of Training State-of-the-Art LiDAR Segmentation Models

要約

急速に進化する自動運転の分野では、複雑な 3D 環境を理解するために LiDAR データの正確なセグメンテーションが不可欠です。
従来のアプローチは、多くの場合、異種のスタンドアロン コードベースに依存しており、統一された進歩とモデル間の公平なベンチマークを妨げています。
これらの課題に対処するために、最先端の LiDAR セグメンテーション モデルの効率的なトレーニングと評価のために設計された包括的なツールボックスである MMDetection3D-lidarseg を導入します。
当社は幅広いセグメンテーション モデルをサポートし、高度なデータ拡張技術を統合して堅牢性と汎用性を強化します。
さらに、このツールボックスは、複数の主要なスパース畳み込みバックエンドのサポートを提供し、計算効率とパフォーマンスを最適化します。
MMDetection3D-lidarseg は、統一フレームワークを促進することで開発とベンチマークを合理化し、研究とアプリケーションの新しい基準を設定します。
広く使用されているデータセットに対する広範なベンチマーク実験により、ツールボックスの有効性が実証されています。
コードベースと訓練されたモデルは一般に公開されており、自動運転用の LiDAR セグメンテーションの分野におけるさらなる研究と革新を促進しています。

要約(オリジナル)

In the rapidly evolving field of autonomous driving, precise segmentation of LiDAR data is crucial for understanding complex 3D environments. Traditional approaches often rely on disparate, standalone codebases, hindering unified advancements and fair benchmarking across models. To address these challenges, we introduce MMDetection3D-lidarseg, a comprehensive toolbox designed for the efficient training and evaluation of state-of-the-art LiDAR segmentation models. We support a wide range of segmentation models and integrate advanced data augmentation techniques to enhance robustness and generalization. Additionally, the toolbox provides support for multiple leading sparse convolution backends, optimizing computational efficiency and performance. By fostering a unified framework, MMDetection3D-lidarseg streamlines development and benchmarking, setting new standards for research and application. Our extensive benchmark experiments on widely-used datasets demonstrate the effectiveness of the toolbox. The codebase and trained models have been publicly available, promoting further research and innovation in the field of LiDAR segmentation for autonomous driving.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google