HuggingFace Daily Papers· Kotaro Oishi, Kazuma Ikeda, Ryosei Hara, Ryo Yoshida, Mariko Isogawa, Kentaro Yoshioka·· 1 天前精选AI 评分65
全波形LiDAR Transformer实时化研究：强度引导的token剪枝与物理感知增强
Towards Real-Time Full-Waveform LiDAR Transformers via Intensity-Guided Token Reduction and Physics-Aware Augmentation
AI 导读
研究人员提出FWL-ToPM和FWLAug两种方法，解决了全波形LiDAR Transformer计算成本高和泛化能力有限的问题。FWL-ToPM利用强度分布选择性减少token，实现8倍速度提升；FWLAug通过保留波形结构和几何信息增强数据，提高模型在未见场景的泛化能力。在Ghost-FWL基准测试上，该方法首次实现了实时且更准确的感知性能。
推荐理由
通过强度引导的token剪枝和物理感知增强，将全波形LiDAR Transformer提速8倍并提升9点F1分数，首次实现实时且更准确的感知。
来源：HuggingFace Daily Papers · arxiv.org