BriefGPT - AI 论文速递
·
具有明显领域偏移的地理空间点云语义分割的测试时适应
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文研究了点云语义分割中的域自适应和测试时间自适应，通过引入不同的领域转换范例和逐步更新BN统计的方法，以及最大化信息和可靠性约束伪标签的方法，实现了比其他方法更好的分类准确率提升。在摄影测量到空中LiDAR的适应中，本方法在推理阶段达到了59.46%的mIoU和85.97%的OA。
🎯
关键要点
- 本文研究了点云语义分割中的域自适应和测试时间自适应。
- 引入三种不同的领域转换范例和逐步更新BN统计的方法。
- 采用最大化信息和可靠性约束伪标签的方法。
- 实现了比其他方法更好的分类准确率提升。
- 在摄影测量到空中LiDAR的适应中，推理阶段达到了59.46%的mIoU和85.97%的OA。
➡️
