超越SOTA ！ ET-Former 基于单目摄像头的端到端语义场景补全算法，实现高精度语义占用图生成及不确定性估计 ！

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 超越SOTA ！ET-Former 基于单目摄像头的端到端语义场景补全算法，实现高精度语义占用图生成及不确定性估计 ！ 作者提出了ET-Former，一种端到端算法，用于使用单目摄像头进行语义场景补全。作者的方法从单一的RGB观测中生成语义占用图，同时提供语义预测的不确定性估计。 通过设计基于三平面的变形注意力机制，作者的方法在理解场景的几何结构方面优于其他最先进的SOTA方法，并减少了语义预测中的噪声。 此外，通过使用条件变分自编码器（CVAE），作者估计这些预测的不确定性。 生成的语义和不确定性图将有助于制定未来的导航策略，以实现安全和允许的决策。 在语义KITTI数据集上进行评估，ET-Former实现了最高的IoU和mIoU，比其他方 ………………………………