AAAI2024最佳解读|H2GFormer Horizontal-to-Global Voxel Transformer for 3D Semantic Scene Completion-water

论文标题

H2GFormer: Horizontal-to-Global Voxel Transformer for 3D Semantic Scene Completion H2GFormer: 用于 3D 语义场景补全的水平到全局体素转换器

论文链接

H2GFormer: Horizontal-to-Global Voxel Transformer for 3D Semantic Scene Completion论文下载

论文作者

Yu Wang, Chao Tong

内容简介

本文提出了一种名为H2GFormer的基于Transformer的3D语义场景补全框架，旨在通过有效整合来自LiDAR或图像的输入，密集预测3D场景中每个体素的占用情况和类别。H2GFormer采用水平到全局的注意力机制，充分考虑了体素在水平方向上的变化及物体边界体素的特征。通过引入水平窗口到全局注意力模块（W2G），该框架能够有效融合语义信息，并在网络训练中使用内部-外部位置感知损失（IoE-PALoss）来强调物体过渡区域的重要性。实验结果表明，H2GFormer在几何和语义补全任务中均表现出优异的性能，相较于现有的最先进方法，性能提升显著。

分点关键点

1. H2GFormer框架

   • H2GFormer通过引入水平到全局的注意力机制，解决了现有方法在处理体素时忽视水平方向变化的问题。该框架首先在水平方向上扩散语义信息，然后将其传播到全局体素，确保语义特征的可靠融合。

2. 水平窗口到全局注意力模块（W2G）

   • W2G模块通过将可见区域的特征水平扩散，再进行全局传播，增强了有效特征的保留。这一过程使得模型能够更好地捕捉到物体边界和内部的语义信息。

3. 内部-外部位置感知损失（IoE-PALoss）

   • IoE-PALoss用于强调物体过渡区域的体素重要性，帮助模型更好地处理不同方向的体素特征。该损失函数通过量化体素在不同位置的意义，提升了模型的学习效果。

4. 实验结果与性能提升

   • 在SemanticKITTI数据集上的实验表明，H2GFormer在几何和语义补全任务中均超越了现有的最先进方法，具体表现为在VoxFormer-S上提升了19.7%的性能，展示了其在实际应用中的潜力。

论文代码

代码链接：https://github.com/Ryanwy1/H2GFormer

中文关键词

1. 3D语义场景补全
2. Transformer
3. 水平到全局注意力
4. 体素
5. 内部-外部位置感知损失
6. 语义信息融合

AAAI论文合集：

AAAI论文合集

希望这些论文能帮到你！如果觉得有用，记得点赞关注哦~ 后续还会更新更多论文合集！！