跳到正文
arXiv · 机器人与计算机视觉· Kotaro Oishi, Kazuma Ikeda, Ryosei Hara, Ryo Yoshida, Mariko Isogawa, Kentaro Yoshioka·· 13 天前AI 评分63

面向实时的全波形激光雷达 Transformer:基于光强引导的 Token 缩减与物理感知增强

Towards Real-Time Full-Waveform LiDAR Transformers via Intensity-Guided Token Reduction and Physics-Aware Augmentation

AI 导读

针对全波形激光雷达(FWL)计算成本高且标注数据稀缺的问题,该研究提出 FWL-ToPM 机制利用光强分布剪枝冗余 Token,并引入 FWLAug 框架通过保留飞行时间和视锥几何结构进行数据增强。在 Ghost-FWL 基准测试中,该方法实现超 8 倍速度提升、F1 值增加近 9 个点,建立了首个同时兼顾实时性与精度的 FWL Transformer 模型。代码与分布外数据集已公开。

来源:arXiv · 机器人与计算机视觉 · arxiv.org