通过研究人类注视和深度神经网络注意力机制之间的相互作用，提出了一种新的注视辅助图像字幕模型，能够改善图像字幕性能，并提高语义场景理解的任务。

本文介绍了基于LiDAR的语义场景理解在自动驾驶感知系统中的重要性，提出了一种基于避免惩罚的解决方案，通过强大的合成流程来近似无限的OOD样本，并在SemanticKITTI和nuScenes上进行了基准测试，取得了最先进的结果。