Buchumschlag

A Point-Based Approach to Efficient LiDAR Multi-Task Perception

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lang, Christopher, Braun, Alexander, Schillingmann, Lars, Valada, Abhinav
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CMRNext: Camera to LiDAR Matching in the Wild for Localization and Extrinsic Calibration
von: Cattaneo, Daniele, et al.
Veröffentlicht: (2024)

Joint Target-Less Intrinsic and Extrinsic Camera-LiDAR Calibration using Deep Point Correspondences
von: Bultmann, Simon, et al.
Veröffentlicht: (2026)

Label-Efficient LiDAR Panoptic Segmentation
von: Çanakçı, Ahmet Selim, et al.
Veröffentlicht: (2025)

Multi-Scale Neighborhood Occupancy Masked Autoencoder for Self-Supervised Learning in LiDAR Point Clouds
von: Abdelsamad, Mohamed, et al.
Veröffentlicht: (2025)

RaLF: Flow-based Global and Metric Radar Localization in LiDAR Maps
von: Nayak, Abhijeet, et al.
Veröffentlicht: (2023)

Label-Efficient LiDAR Semantic Segmentation with 2D-3D Vision Transformer Adapters
von: Hindel, Julia, et al.
Veröffentlicht: (2025)

UP-Fuse: Uncertainty-guided LiDAR-Camera Fusion for 3D Panoptic Segmentation
von: Mohan, Rohit, et al.
Veröffentlicht: (2026)

LiDAR-BEVMTN: Real-Time LiDAR Bird's-Eye View Multi-Task Perception Network for Autonomous Driving
von: Mohapatra, Sambit, et al.
Veröffentlicht: (2023)

LiSD: An Efficient Multi-Task Learning Framework for LiDAR Segmentation and Detection
von: Xu, Jiahua, et al.
Veröffentlicht: (2024)

Open-Set LiDAR Panoptic Segmentation Guided by Uncertainty-Aware Learning
von: Mohan, Rohit, et al.
Veröffentlicht: (2025)

CoLC: Communication-Efficient Collaborative Perception with LiDAR Completion
von: Han, Yushan, et al.
Veröffentlicht: (2026)

NeRF-LiDAR: Generating Realistic LiDAR Point Clouds with Neural Radiance Fields
von: Zhang, Junge, et al.
Veröffentlicht: (2023)

Text2LiDAR: Text-guided LiDAR Point Cloud Generation via Equirectangular Transformer
von: Wu, Yang, et al.
Veröffentlicht: (2024)

LiDARFormer: A Unified Transformer-based Multi-task Network for LiDAR Perception
von: Zhou, Zixiang, et al.
Veröffentlicht: (2023)

Efficient Point Transformer with Dynamic Token Aggregating for LiDAR Point Cloud Processing
von: Lu, Dening, et al.
Veröffentlicht: (2024)

LPFormer: LiDAR Pose Estimation Transformer with Multi-Task Network
von: Ye, Dongqiangzi, et al.
Veröffentlicht: (2023)

LiDAR-CS Dataset: LiDAR Point Cloud Dataset with Cross-Sensors for 3D Object Detection
von: Fang, Jin, et al.
Veröffentlicht: (2023)

TULIP: Transformer for Upsampling of LiDAR Point Clouds
von: Yang, Bin, et al.
Veröffentlicht: (2023)

Range Image-Based Implicit Neural Compression for LiDAR Point Clouds
von: Kuwabara, Akihiro, et al.
Veröffentlicht: (2025)

Label-Efficient Semantic Segmentation of LiDAR Point Clouds in Adverse Weather Conditions
von: Piroli, Aldi, et al.
Veröffentlicht: (2024)

Unlocking Generalization Power in LiDAR Point Cloud Registration
von: Zeng, Zhenxuan, et al.
Veröffentlicht: (2025)

Physics-Aware Diffusion for LiDAR Point Cloud Densification
von: Zhang, Zeping, et al.
Veröffentlicht: (2026)

LiDARDraft: Generating LiDAR Point Cloud from Versatile Inputs
von: Wei, Haiyun, et al.
Veröffentlicht: (2025)

LiDAR-HMR: 3D Human Mesh Recovery from LiDAR
von: Fan, Bohao, et al.
Veröffentlicht: (2023)

LiDAR-GS++:Improving LiDAR Gaussian Reconstruction via Diffusion Priors
von: Chen, Qifeng, et al.
Veröffentlicht: (2025)

LiDAR Based Semantic Perception for Forklifts in Outdoor Environments
von: Serfling, Benjamin, et al.
Veröffentlicht: (2025)

Fast Attention-Based Simplification of LiDAR Point Clouds for Object Detection and Classification
von: Rozsa, Z., et al.
Veröffentlicht: (2026)

DriveLiDAR4D: Sequential and Controllable LiDAR Scene Generation for Autonomous Driving
von: Cai, Kaiwen, et al.
Veröffentlicht: (2025)

FLaTEC: Frequency-Disentangled Latent Triplanes for Efficient Compression of LiDAR Point Clouds
von: Zhang, Xiaoge, et al.
Veröffentlicht: (2025)

Analyzing Infrastructure LiDAR Placement with Realistic LiDAR Simulation Library
von: Cai, Xinyu, et al.
Veröffentlicht: (2022)

LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting
von: Chen, Qifeng, et al.
Veröffentlicht: (2024)

Towards Practical Human Motion Prediction with LiDAR Point Clouds
von: Han, Xiao, et al.
Veröffentlicht: (2024)

SLACK: Attacking LiDAR-based SLAM with Adversarial Point Injections
von: Kumar, Prashant, et al.
Veröffentlicht: (2025)

Ghosts in the Point Clouds: De-glaring LiDAR in the Transient Domain
von: Gump, Avery, et al.
Veröffentlicht: (2026)

Automated Road Extraction and Centreline Fitting in LiDAR Point Clouds
von: Wang, Xinyu, et al.
Veröffentlicht: (2025)

Towards Practical Lossless Neural Compression for LiDAR Point Clouds
von: Yu, Pengpeng, et al.
Veröffentlicht: (2026)

GS-LiDAR: Generating Realistic LiDAR Point Clouds with Panoramic Gaussian Splatting
von: Jiang, Junzhe, et al.
Veröffentlicht: (2025)

Real-time Neural Rendering of LiDAR Point Clouds
von: Vanherck, Joni, et al.
Veröffentlicht: (2025)

Point2Building: Reconstructing Buildings from Airborne LiDAR Point Clouds
von: Liu, Yujia, et al.
Veröffentlicht: (2024)

RePLAy: Remove Projective LiDAR Depthmap Artifacts via Exploiting Epipolar Geometry
von: Zhu, Shengjie, et al.
Veröffentlicht: (2024)