Key points are not available for this paper at this time.
새롭게 떠오르는 과제로서 파놉틱 분할은 의미 분할과 인스턴스 분할 모두에서 도전에 직면하고 있습니다. 그러나 속도와 정확성 측면에서 기존의 LiDAR 방법들은 여전히 제한적입니다. 본 논문에서는 빠르고 고성능의 LiDAR 기반 프레임워크인 파놉틱-PHNet을 제안합니다. 이 시스템은 다음과 같은 세 가지 매력적인 측면을 가지고 있습니다: 1) 우리는 객체 수준의 학습 과제 없이 효율적인 클러스터링을 위한 인스턴스 중심을 생성하는 새로운 패러다임으로 클러스터링 의사 히트맵을 도입합니다. 2) 정확한 오프셋 회귀를 위해 전경 포인트 간의 상호작용을 모델링하는 knn-transformer 모듈을 제안합니다. 3) 백본 설계에서 우리는 서로 다른 수용 범위를 가진 미세한 복셀 특징과 2D 새의 눈 뷰(BEV) 특징을 융합하여 상세한 정보와 전역 정보를 모두 활용합니다. SemanticKITTI 데이터셋과 nuScenes 데이터셋에 대한 광범위한 실험 결과, 우리의 파놉틱-PHNet은 실시간 속도로 최첨단 방법들을 뛰어넘는 성능을 보여줍니다. 우리는 SemanticKITTI의 공개 리더보드에서 1위를 달성했으며, 최근 공개된 nuScenes 리더보드에서도 우수한 성능을 보였습니다.
Li et al. (Wed,)는 이 질문을 연구했습니다.