論文の概要: D-PLS: Decoupled Semantic Segmentation for 4D-Panoptic-LiDAR-Segmentation

• arxiv url: http://arxiv.org/abs/2501.15870v1
• Date: Mon, 27 Jan 2025 08:46:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 13:59:05.079451
• Title: D-PLS: Decoupled Semantic Segmentation for 4D-Panoptic-LiDAR-Segmentation
• Title（参考訳）: D-PLS:4D-Panoptic-LiDAR-セグメンテーションのための分離セマンティックセグメンテーション
• Authors: Maik Steinhauser, Laurenz Reichardt, Nikolas Ebert, Oliver Wasenmüller,
• Abstract要約: セマンティックとインスタンスセグメンテーションを分離する4D Panoptic LiDARに新しいアプローチを導入する。 我々のメソッドD-PLSは、まず単一スキャンセマンティックセマンティックセマンティックセマンティクスを実行し、その結果を時間をかけて集約し、それらをインスタンスセマンティクスのガイドに使用します。
• 参考スコア（独自算出の注目度）: 1.0649605625763086
• License:
• Abstract: This paper introduces a novel approach to 4D Panoptic LiDAR Segmentation that decouples semantic and instance segmentation, leveraging single-scan semantic predictions as prior information for instance segmentation. Our method D-PLS first performs single-scan semantic segmentation and aggregates the results over time, using them to guide instance segmentation. The modular design of D-PLS allows for seamless integration on top of any semantic segmentation architecture, without requiring architectural changes or retraining. We evaluate our approach on the SemanticKITTI dataset, where it demonstrates significant improvements over the baseline in both classification and association tasks, as measured by the LiDAR Segmentation and Tracking Quality (LSTQ) metric. Furthermore, we show that our decoupled architecture not only enhances instance prediction but also surpasses the baseline due to advancements in single-scan semantic segmentation.
• Abstract（参考訳）: 本稿では,4次元パノプティカルLiDARセグメンテーションに新たなアプローチを導入し,セグメンテーションとセグメンテーションを分離し,単一スキャンセグメンテーションを事例セグメンテーションの事前情報として活用する。 我々のメソッドD-PLSは、まず単一スキャンセマンティックセマンティックセマンティックセマンティクスを実行し、その結果を時間をかけて集約し、それらをインスタンスセマンティクスのガイドに利用します。 D-PLSのモジュール設計により、アーキテクチャの変更や再トレーニングを必要とせずに、セマンティックセグメンテーションアーキテクチャ上でシームレスに統合できる。 我々はセマンティックKITTIデータセットに対する我々のアプローチを評価し、LiDARセグメンテーションとトラッキング品質(LSTQ)測定値から、分類タスクと関連タスクの両方においてベースラインよりも大幅に改善されていることを示す。 さらに, 分離されたアーキテクチャは, インスタンス予測を向上するだけでなく, 単一スキャンセマンティックセマンティックセグメンテーションの進歩により, ベースラインを超えていることを示す。

関連論文リスト

• Harnessing Vision Foundation Models for High-Performance, Training-Free Open Vocabulary Segmentation [26.786890883280062]
  本稿では,CLIP と DINO が抽出した特徴をサブイメージから切り離し,SAM のエンコーダを利用してグローバルアグリゲーションの相関行列を生成する,トレーニング不要なフレームワーク Trident を紹介する。 Tridentは、現在のSOTAと比較して8つのベンチマークでmIoUを大幅に改善し、44.4から48.6.Codeに増加した。
  論文  参考訳（メタデータ） (2024-11-14T06:31:20Z)
• SegPoint: Segment Any Point Cloud via Large Language Model [62.69797122055389]
  我々は,多種多様なタスクにまたがるポイントワイドセグメンテーションマスクを生成するSegPointと呼ばれるモデルを提案する。 SegPointは、単一のフレームワーク内でさまざまなセグメンテーションタスクに対処する最初のモデルである。
  論文  参考訳（メタデータ） (2024-07-18T17:58:03Z)
• Lidar Panoptic Segmentation and Tracking without Bells and Whistles [48.078270195629415]
  ライダーセグメンテーションと追跡のための検出中心ネットワークを提案する。 私たちのネットワークのコアコンポーネントの1つは、オブジェクトインスタンス検出ブランチです。 提案手法を複数の3D/4D LPSベンチマークで評価し,我々のモデルがオープンソースモデル間で新たな最先端性を確立することを確認した。
  論文  参考訳（メタデータ） (2023-10-19T04:44:43Z)
• Instance Segmentation of Unlabeled Modalities via Cyclic Segmentation GAN [27.936725483892076]
  本稿では,画像翻訳とインスタンスセグメンテーションを共同で行うCysic Generative Adrial Network(CySGAN)を提案する。 注記電子顕微鏡(en:Annotated electron microscopy, EM)画像とラベルなし拡張顕微鏡(en:Unlabeled expansion microscopy, ExM)データを用いて, ニューロンの3次元セグメンテーションの課題についてベンチマークを行った。
  論文  参考訳（メタデータ） (2022-04-06T20:46:39Z)
• Scaling up Multi-domain Semantic Segmentation with Sentence Embeddings [81.09026586111811]
  ゼロショット設定に適用した場合、最先端の教師付き性能を実現するセマンティックセマンティックセマンティクスへのアプローチを提案する。 これは各クラスラベルを、クラスを記述する短い段落のベクトル値の埋め込みに置き換えることによって達成される。 結果として得られた200万以上の画像の統合セマンティックセグメンテーションデータセットは、7つのベンチマークデータセット上の最先端の教師付きメソッドと同等のパフォーマンスを達成するモデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2022-02-04T07:19:09Z)
• Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with Self-Supervised Depth Estimation [94.16816278191477]
  本稿では,セミアダプティブなセマンティックセマンティックセマンティックセグメンテーションのためのフレームワークを提案する。 ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。 提案したモデルをCityscapesデータセット上で検証する。
  論文  参考訳（メタデータ） (2021-08-28T01:33:38Z)
• SCNet: Enhancing Few-Shot Semantic Segmentation by Self-Contrastive Background Prototypes [56.387647750094466]
  Few-shot セマンティックセマンティックセマンティクスは,クエリイメージ内の新規クラスオブジェクトを,アノテーション付きの例で分割することを目的としている。 先進的なソリューションのほとんどは、各ピクセルを学習した前景のプロトタイプに合わせることでセグメンテーションを行うメトリクス学習フレームワークを利用している。 このフレームワークは、前景プロトタイプのみとのサンプルペアの不完全な構築のために偏った分類に苦しんでいます。
  論文  参考訳（メタデータ） (2021-04-19T11:21:47Z)
• A Benchmark for LiDAR-based Panoptic Segmentation based on KITTI [44.79849028988664]
  本稿では,レーザーによるパノプティックセグメンテーションのトレーニングと評価のためのセマンティックキッティの拡張について述べる。 データを提供し、時間的に一貫したインスタンス情報で与えられたセマンティックアノテーションを強化するために必要な処理手順について議論する。 我々は、最先端LiDARに基づくセマンティックセグメンテーションアプローチと最先端検出器を組み合わせた2つの強力なベースラインを提案する。
  論文  参考訳（メタデータ） (2020-03-04T23:44:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。