点掩模Transformer

掩码分类分割

将室外点云语义分割从逐点分类转变为掩码分类，通过全局类别关联提升分割精度。

Xiangqian, Li · Tan, Xin · 张智中 · 谢源 · 马利庄

Computational Visual Media 2025

参数信息

SemanticKITTI mIoU

67.4 %

nuScenes mIoU

78.8 %

技术优势

分割更准

PMFormer在SemanticKITTI验证集上达到67.4% mIoU，在nuScenes验证集上达到78.8% mIoU，超越现有最优方法。

模型更智能

通过掩码分类将类别分类与区域定位解耦，并引入MaskMix、3D位置编码和注意力权重，更好地建模大规模稀疏点云。

应用场景

• 无人驾驶：提升自动驾驶车辆对室外场景的理解能力，增强感知精度。
• 移动机器人：帮助移动机器人在复杂室外环境中实现更可靠的环境感知与导航。
• 高精地图：用于从激光雷达点云中自动提取道路元素，加速高精地图制作。
• 三维感知：为三维点云提供更准确的分割结果，支持下游三维理解任务。