三维场景语义补全模型

水平先验补全更准

先水平扩散可靠体素，再全局传播语义，增强物体边界与内部体素的位置感知，比常规注意力机制更可靠地完成三维场景语义补全。

Yu, Wang · 童超

2024

参数信息

mIoU

29.87 %

IoU

44.16 %

技术优势

水平先验扩散，语义更可靠

先从可靠可见体素沿水平方向扩散语义信息，再传播到全局体素，使语义感知特征的融合更可靠，尤其适合室外场景水平变化大的特点。

边界感知损失，轮廓更锐利

通过内外位置感知损失（IoE-PALoss）强调物体过渡区域的关键位置，使模型在物体边界处预测更准确。

几何与语义双提升

在SemanticKITTI数据集上取得几何与语义补全任务的全面性能提升。

应用场景

• 自动驾驶环境感知：为自动驾驶提供更完整的三维场景占用与语义信息，增强对周围环境的理解。
• 无人机三维建图：提升无人机在室外场景下的三维建图完整性与语义标注准确性。
• 机器人导航避障：为机器人提供更可靠的周围环境占用和语义信息，辅助导航与避障。
• 增强现实空间理解：增强现实设备对三维场景更完整的语义理解，提升虚实融合体验。