- …
- …
#391
summarized by : Anonymous
どんな論文か？
実世界点群からのシーンフロー推定の課題に動機づけられて階層的なフローを出力することができ，かつ高い推論速度を維持する高速階層型フレームワークFH-Netを提案．また実世界の学習データの慢性的な不足を緩和するために，公共の自律運転データセットからライダースキャンした点群を収集，新しい疑似ラベリングによって収集したデータに注釈を付けることによって，この分野の新しい大規模データセットを2つ確立した．
新規性
既存の点群からのシーンフロー推定手法は，高い計算コストとレイテンシ2つの課題があった．本論文では階層的なフローを出力することができ，かつ高い推論速度を維持する高速階層型フレームワークFH-Netを提案．また動的なオブジェクトに特化したコピー＆ペーストによるデータ補強方法を新たに提案し，実世界のシーンフローを推定するための2つの実世界シーンフローデータセットを確立した．
結果
提案手法を公開データセットと提案データセットの両方で広範な実験を行った結果、113FPSで少なくとも7倍高速に動作しながら、先行する最先端技術を凌駕する性能を示した．(添付画像)
その他（なぜ通ったか？等）
添付画像はWaymoとKITTIでの提案手法の検証結果．
- …
- …