【基于视觉上下文的语义场景补全】

文章预览

《Hierarchical Temporal Context Learning for Camera-based Semantic Scene Completion》这篇论文介绍了一种新的分层时序上下文学习范式（Hierarchical Temporal Context Learning，简称HTCL），用于改进基于相机的语义场景补全（Semantic Scene Completion，简称SSC）。这项工作的创新之处在于将时序上下文学习分解为两个层次化的步骤：(a) 跨帧相关性测量（cross-frame affinity measurement）和 (b) 基于相关性的动态细化（affinity-based dynamic refinement）。首先，为了从冗余信息中分离出关键的相关上下文，论文引入了具有尺度感知隔离和多个独立学习者的模式亲和度，以实现细粒度的上下文对应建模。然后，为了动态地补偿不完整的观测，根据最初识别出的高亲和度位置及其邻近的相关区域，自适应地细化特征采样位置。该方法在SemanticKITTI基准测试中排名第一，并在OpenOccupancy基准测试中超过了 ………………………………