Key points are not available for this paper at this time.
تعتبر الكاميرا والحساسات الليزرية من النماذج الحسية الهامة للروبوتات بشكل عام وللسيارات ذاتية القيادة بشكل خاص. توفر هذه الحساسات معلومات تكمل بعضها البعض، مما يتيح فرصة لدمج الحساسات بشكل محكم. من المدهش أن الطرق المعتمدة على الليزر فقط تتفوق على طرق الدمج في مجموعات البيانات القياسية الرئيسية، مما يشير إلى وجود فجوة في الأدب. في هذا العمل، نقترح PointPainting: وهي طريقة دمج تسلسلي لسد هذه الفجوة. تعمل PointPainting عن طريق إسقاط نقاط الليزر في مخرجات شبكة تصنيف الصور فقط وإضافة درجات الفئة إلى كل نقطة. يمكن بعد ذلك إطعام السحب النقاط (المطلية) إلى أي طريقة تعتمد على الليزر فقط. أظهرت التجارب تحسينات كبيرة على ثلاث طرق مختلفة من الطراز الأول، Point-RCNN و VoxelNet و PointPillars على مجموعتي بيانات KITTI و nuScenes. النسخة المطلية من PointRCNN تمثل حالة جديدة من الطراز الأول على قائمة KITTI لمهمة اكتشاف من منظور عين الطائر. في تحليل الفنيات، ندرس كيف تعتمد تأثيرات الرسم على جودة وتنسيق مخرجات التصنيف الدلالي، ونظهر كيف يمكن تقليل زمن الاستجابة من خلال سلسلة العمليات.
درس Vora وآخرون (Mon,) هذا السؤال.
Synapse has enriched 2 closely related papers on similar clinical questions. Consider them for comparative context: