arXiv Computer Vision· Kotaro Oishi, Kazuma Ikeda, Ryosei Hara, Ryo Yoshida, Mariko Isogawa, Kentaro Yoshioka·· 2 天前AI 评分32
面向实时全波形 LiDAR Transformer 的强度引导 token 裁剪与物理感知增强
Towards Real-Time Full-Waveform LiDAR Transformers via Intensity-Guided Token Reduction and Physics-Aware Augmentation
AI 导读
研究提出 FWL-ToPM 与 FWLAug 两项方法，解决全波形 LiDAR Transformer 的 token 冗余与标注数据稀缺问题。在 Ghost-FWL 基准上，FWL-ToPM 实现超过 8 倍加速并达到实时吞吐，F1 较此前 SOTA 提升近 9 点，成为首个实时且同时提升精度的 FWL Transformer。
来源：arXiv Computer Vision · arxiv.org