Tag · 4 篇
激光雷达语义分割
分布 自动驾驶与遥感2鲁棒性与安全13D 视觉与重建1
01 02 03 04
通过几何内点判别实现激光雷达语义分割在损坏下的测试时训练
Test-Time Training for LiDAR Semantic Segmentation under Corruption via Geometric Inlier Discrimination
提出几何内点判别（GeoID）作为自监督辅助任务，通过注入合成离群点并区分几何一致的内点来驱动测试时训练，可复用于其他3D感知任务在分布偏移下的自适应。
面向激光雷达分布外检测的神经分布先验
Neural Distribution Prior for LiDAR Out-of-Distribution Detection
针对激光雷达点云 OOD 检测中类别不平衡导致的打分偏差，用可学习的 logit 分布先验加注意力模块对 OOD 分数做类别自适应重加权，并可用 Perlin 噪声在输入扫描上合成辅助 OOD 样本，这套打分重加权与合成策略可迁移到其他密集预测任务的开放世界检测中。
学习识别分布外目标以用于3D激光雷达异常分割
Learning to Identify Out-of-Distribution Objects for 3D LiDAR Anomaly Segmentation
在激光雷达特征空间中直接建模内点类分布以约束异常样本，可替代从2D视觉迁移的后处理式异常打分；同时提供的混合真实-合成激光雷达异常分割数据集可用于评测3D开放世界感知的OOD检测能力。
面向3D语义分割多模态训练的图文到点云特征反投影
Image-to-Point Cloud Feature Back-Projection for Multimodal Training of 3D Semantic Segmentation
把图像特征中心按估计深度反投影到点云特征空间，使图像信息在训练期注入点云分支、推理期可关闭，为纯激光雷达部署提供了一种可插拔的多模态训练增强手段。