{
  "paper_id": "261636c3cb717e093dd6c2bb191c4ee7",
  "paper_title": "GENet: A Geometry-Enhanced Network for LiDAR Semantic Segmentation",
  "paper_authors": [
    "Yuchen Wu",
    "Hanbing Wei"
  ],
  "publication_date": "2026",
  "publication_venue": "MDPI",
  "abstract": "LiDAR已广泛应用于自动驾驶和移动机器人领域。近期许多研究关注实时点云分割，旨在保持实时推理速度的同时实现更高精度。当前实时方法大多依赖2D投影，不可避免地导致空间信息损失。为解决2D投影方法的局限性，我们提出了一种利用空间先验的几何增强网络GENet。该网络采用空洞可分离距离注意力（ASRA）模块显式利用距离图像中的空间先验，以线性复杂度实现具有大感受野的几何感知特征聚合；随后使用几何上下文调制（GCM）机制校准语义特征，在融入几何先验的同时保留原始特征在不同类别间的判别能力。实验表明，我们的方法在保持实时性能的同时实现了高效的信息融合。与现有方法相比，GENet所需参数更少、计算量更低，在精度与效率之间取得了良好的平衡。",
  "keywords": [
    "LiDAR point cloud",
    "semantic segmentation",
    "range view",
    "geometry attention",
    "feature fusion"
  ],
  "paper_institutions": [
    "School of Mechatronics and Vehicle Engineering, Chongqing Jiaotong University"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "glm-5.3",
  "prompt_template": "simple",
  "extracted_at": "2026-09-17T09:38:59.071730Z",
  "template_tag": "simple",
  "summary": "### 摘要\n\n针对自动驾驶与移动机器人中LiDAR点云语义分割需在实时推理约束下提升精度的问题——现有实时方法多依赖2D投影导致空间几何信息损失，而点基方法逐点处理与3D空间搜索计算开销过大、体素方法3D卷积代价随分辨率立方增长、多视图融合方法又因多分支结构显著增加参数量与推理延迟——本文提出几何增强网络GENet，以免学习的几何注意力机制显式利用距离图像中的空间先验。其核心的空洞可分离距离注意力模块（ASRA）通过轴向分解将窗口注意力复杂度从O(H·W·K²)降至O(H·W·2K)，并借助空洞采样在K=17、d=2的设置下获得33像素的有效感受野，注意力权重由高斯核 a_qk = exp(-d_qk²/τ) 依据点间欧氏距离生成（τ为可学习衰减因子）；几何上下文调制机制（GCM）通过轻量卷积头预测调制图M，以残差门控 Y = F ⊙ (1+M) 校准语义特征，在注入几何先验的同时保留原始特征的类别判别能力。实验选用大规模基准SemanticKITTI（22个序列、43552帧、19类，用于验证主流场景下的精度）与更具挑战性的小规模数据集SemanticPOSS（2988帧、14类，动态物体更多且点云更稀疏，用于评估模型泛化能力），在单块NVIDIA V100 GPU上以AdamW优化器（学习率0.001、余弦退火调度、权重衰减0.001）、批大小8分别训练80和100个epoch。以mIoU、各类IoU、FPS与参数量为评价指标，GENet在SemanticKITTI测试集上以仅6.9M参数达到67.4% mIoU（24.8 FPS），超过CENet的64.7%与体素方法SPVNAS的66.4%；GENet-Light以41.6 FPS成为最快的距离视图投影方法且mIoU达66.3%；消融实验表明ASRA与GCM联合使用带来2.2% mIoU提升（单独使用仅0.7%与0.3%），验证了渐进式几何-语义融合策略的有效性；在ConvNeXt V2-atto骨干上的实验（62.9% mIoU、4.5M参数）证明了模块的跨骨干泛化能力。未来可探索更高效的几何先验注入方式及其在更多骨干网络上的应用；在边缘计算平台算力受限的实际部署场景中，该方法以更少的参数与计算量实现了精度与效率的最优折中。\n\n### 关键要点\n\n- 提出免学习的几何注意力机制，无需额外可学习参数即可嵌入任意2D骨干网络，增强点云语义分割能力。\n- 设计几何增强（GE）Block高效融合2D语义特征与3D几何线索，并提供GENet（标准版，在每个特征提取块后插入）与GENet-Light（轻量版，仅在每阶段输出处插入）两种架构以适配不同效率需求。\n- ASRA模块通过轴向分解将注意力复杂度从O(H·W·K²)降至O(H·W·2K)，结合空洞采样在不增加采样点数的情况下维持大感受野（实现中K=17、d_h=d_v=2，有效感受野33像素）。\n- GCM机制以残差门控 Y = F ⊙ (1+M) 生成空间调制图进行自适应特征校准，避免几何相似性直接主导特征聚合而模糊语义边界。\n- 提出基于KD-Tree近邻搜索与逆距离加权（IDW）的距离视图插值策略，缓解LiDAR采样稀疏导致的投影空洞问题，单独使用带来0.5% mIoU提升。\n- 实验基于SemanticKITTI（22个序列、43552帧、19类，序列00–10训练、08验证、11–21测试）与SemanticPOSS（2988帧、14类，动态物体更多、点云更稀疏，用于评估泛化能力）两个公开基准。\n- 实现设置：单块NVIDIA V100 GPU，AdamW优化器，学习率0.001，余弦退火调度，权重衰减0.001，批大小8，SemanticKITTI训练80轮、SemanticPOSS训练100轮。\n- 在SemanticKITTI测试集上，GENet以6.9M参数达到67.4% mIoU（24.8 FPS），优于CENet（64.7%、37.8 FPS）等投影方法，并超过体素方法SPVNAS（66.4%）。\n- GENet-Light以41.6 FPS实现最快推理速度，mIoU达66.3%，仍超越此前距离视图投影方法的最佳结果。\n- 消融实验显示ASRA与GCM单独使用分别仅带来0.7%与0.3%的mIoU提升，联合使用提升2.2%，证明渐进式融合策略的必要性。\n- 在ConvNeXt V2-atto骨干上，GENet-Light达到62.9% mIoU（4.5M参数），优于CENet+HardNet基线（60.0%、6.8M参数），验证了跨骨干泛化能力并建立新的轻量级基线。\n- 该方法适用于资源受限的边缘平台与实时自动驾驶感知场景，但与RPVNet（70.3%）、2DPASS（72.9%）等多视图方法相比绝对精度仍有差距，体现了单分支实时性的权衡。",
  "available_templates": [
    "deep_read",
    "simple"
  ]
}