时序变化建模的4D点云分割网络

多数据集全面领先

同时捕捉跨帧的空间一致性与时序变化，将粗粒度体素预测细化为精确的点级结果。

Shi, Hanyu · Wei, Jiacheng · Wang, Hao · Liu, Fayao · Lin, Guosheng

International Journal of Computer Vision 2024

技术优势

利用时序信息

通过插值和图卷积显式建模跨帧时序变化，弥补单帧方法对运动场景理解的不足。

多基准领先

在三个主流数据集上均达到最先进性能，证明方法具备较好的泛化能力。

粗细粒度融合

从体素级粗预测逐步细化到点级预测，有效提升分割边界的精度。

应用场景

• 自动驾驶感知：在动态驾驶场景中利用多帧时序信息，提升对移动物体和道路结构的感知精度。
• 机器人环境理解：赋予机器人在动态环境中利用历史帧信息理解场景变化的能力。
• 无人机避障：通过融合连续帧点云捕捉障碍物的运动趋势，提高避障决策的及时性。
• 具身智能场景理解：让具身智能体基于连续观测的时序变化更准确地理解周围环境。