論文の概要: RaSFNet: Ray-aligned and Scan-aware Fusion Network for LiDAR Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2610.31186v1
• Date: Thu, 22 Oct 2026 12:35:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.374947
• Title: RaSFNet: Ray-aligned and Scan-aware Fusion Network for LiDAR Semantic Segmentation
• Title（参考訳）: RaSFNet:LiDAR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レイアライメントとスキャンアウェアフュージョンネットワーク
• Abstract要約: LiDARポイントクラウドセマンティックセグメンテーションは、自律走行とロボット工学における3D知覚の基本的な構成要素である。 投影型手法は3次元点雲を2次元ネットワークを用いた特徴抽出のための2次元表現にマッピングする。 我々はこれらの課題に対処するためにレイアライメントとスキャンアウェア・フュージョン・ネットワーク(RaSFNet)を提案する。
• 参考スコア（独自算出の注目度）: 7.3506050359991635
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LiDAR point cloud semantic segmentation is a fundamental component of 3D perception for autonomous driving and robotics. Projection-based methods map 3D point clouds into 2D representations for feature extraction using 2D networks. However, aggregating multiple points during projection can obscure geometric differences within each frustum, while local feature extraction limits the modeling of spatial relationships across scanning regions. Moreover, proximity in the projected representation does not necessarily imply proximity in 3D space, and interactions between point and projected features may mix features from different ranges, reducing semantic discriminability. To address these challenges, we propose the Ray-aligned and Scan-aware Fusion Network (RaSFNet), which incorporates point cloud geometry and LiDAR scanning characteristics into projection-based semantic segmentation. Specifically, the Ray-Aligned Geometric Distribution Encoding (RAGDE) module characterizes point distributions within each frustum using a ray-aligned coordinate system. To model spatial context, a Scan-Topology-Aware Mamba (STAM) block organizes frustum features according to the LiDAR azimuth sampling pattern and captures long-range dependencies across scanning regions. In addition, a Range-Constrained Point-Frustum Fusion (RCPFF) mechanism uses shared range information to guide feature exchange between point and frustum representations while maintaining spatial correspondence. RaSFNet achieves mIoU scores of 70.2% and 77.7% on the SemanticKITTI and nuScenes validation sets, respectively, indicating competitive segmentation performance compared with the evaluated methods.
• Abstract（参考訳）: LiDARポイントクラウドセマンティックセグメンテーションは、自律走行とロボット工学における3D知覚の基本的な構成要素である。 投影型手法は3次元点雲を2次元ネットワークを用いた特徴抽出のための2次元表現にマッピングする。 しかし、投射中に複数の点を集約することは、各フラストムの幾何学的差異を曖昧にし、一方、局所的特徴抽出は、走査領域間の空間関係のモデル化を制限する。 さらに、投影された表現の近接性は必ずしも3次元空間に近づき、点と投影された特徴の間の相互作用は異なる範囲の特徴を混在させ、意味的識別性を低下させる。 これらの課題に対処するため,射影型セマンティックセマンティックセグメンテーションに点雲形状とLiDAR走査特性を組み込んだレイアライメント・スキャンアウェア・フュージョンネットワーク(RaSFNet)を提案する。 具体的には、RAGDE(Ray-Aligned Geometric Distribution Encoding)モジュールは、各フラストム内の点分布を、レイアライメント座標系を用いて特徴付ける。 空間コンテキストをモデル化するために、Scan-Topology-Aware Mamba (STAM)ブロックは、LiDARアジマスサンプリングパターンに従ってフラストム特徴を整理し、スキャン領域にわたる長距離依存関係をキャプチャする。 さらに、RCPFF(Range-Constrained Point-Frustum Fusion)機構は、共有範囲情報を用いて、空間対応を維持しながら、ポイントとフラストム表現間の特徴交換を誘導する。 RaSFNet は SemanticKITTI と nuScenes の検証セットで mIoU スコアを 70.2% と 77.7% で達成している。

関連論文リスト

• RAPiD-Seg: Range-Aware Pointwise Distance Distribution Networks for 3D LiDAR Segmentation [22.877384781595556]
  本稿では,Range-Aware Pointwise Distance Distribution(RAPiD)と関連するRAPiD-Segアーキテクチャを紹介する。 RAPiDの特徴は剛性変換不変性を示し、点密度の変動に効果的に適応する。 本稿では,高次元特徴を管理可能なボクセル・ワイド・埋め込みにエンコードする,新しいクラス認識型埋め込み目的を持つ2次元オートエンコーダ構造を提案する。
  論文  参考訳（メタデータ） (2024-07-14T10:59:34Z)
• PointOcc: Cylindrical Tri-Perspective View for Point-based 3D Semantic Occupancy Prediction [72.75478398447396]
  本稿では,点雲を効果的かつ包括的に表現する円筒型三重対視図を提案する。 また,LiDAR点雲の距離分布を考慮し,円筒座標系における三点ビューを構築した。 プロジェクション中に構造の詳細を維持するために空間群プーリングを使用し、各TPV平面を効率的に処理するために2次元バックボーンを採用する。
  論文  参考訳（メタデータ） (2023-08-31T17:57:17Z)
• SeMLaPS: Real-time Semantic Mapping with Latent Prior Networks and Quasi-Planar Segmentation [53.83313235792596]
  本稿では,RGB-Dシーケンスからのリアルタイム意味マッピングのための新しい手法を提案する。 2DニューラルネットワークとSLAMシステムに基づく3Dネットワークと3D占有マッピングを組み合わせる。 本システムは,2D-3Dネットワークベースシステムにおいて,最先端のセマンティックマッピング品質を実現する。
  論文  参考訳（メタデータ） (2023-06-28T22:36:44Z)
• CL3D: Unsupervised Domain Adaptation for Cross-LiDAR 3D Detection [16.021932740447966]
  クロスLiDAR3D検出のためのドメイン適応は、生データ表現に大きなギャップがあるため困難である。 以上の課題を克服する、教師なしのドメイン適応手法を提案する。
  論文  参考訳（メタデータ） (2022-12-01T03:22:55Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
  運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。 自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。 本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-12T06:25:11Z)
• Similarity-Aware Fusion Network for 3D Semantic Segmentation [87.51314162700315]
  本研究では,3次元セマンティックセグメンテーションのための2次元画像と3次元点雲を適応的に融合する類似性認識融合ネットワーク(SAFNet)を提案する。 我々は、入力とバックプロジェクションされた(2Dピクセルから)点雲の間の幾何学的および文脈的類似性を初めて学習する、後期融合戦略を採用している。 SAFNetは、様々なデータ完全性にまたがって、既存の最先端の核融合ベースのアプローチを著しく上回っている。
  論文  参考訳（メタデータ） (2021-07-04T09:28:18Z)
• S3Net: 3D LiDAR Sparse Semantic Segmentation Network [1.330528227599978]
  S3NetはLiDARポイントクラウドセマンティックセグメンテーションのための新しい畳み込みニューラルネットワークである。 sparse intra-channel attention module (sintraam)とsparse inter-channel attention module (sinteram)で構成されるエンコーダ-デコーダバックボーンを採用する。
  論文  参考訳（メタデータ） (2021-03-15T22:15:24Z)

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。