自动驾驶

RePL: Pseudo-label Refinement for Semi-supervised LiDAR Semantic Segmentation

RePL：伪标签细化用于半监督激光雷达语义分割

Donghyeon Kwon, Taegyu Park, Suha Kwak

机构 * Dept. of CSE, POSTECH（浦项科技大学计算机科学与工程系） ； GSAI, POSTECH（浦项科技大学人工智能研究生院） 纠错

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.CV

AI总结 RePL通过掩码重建识别并纠正伪标签中的潜在错误，提升伪标签质量，从而在激光雷达语义分割中取得最优性能。

Telescope: Learnable Hyperbolic Foveation for Ultra-Long-Range Object Detection

望远镜：可学习的双曲视点用于超长距离目标检测

Parker Ewen, Dmitriy Rivkin, Mario Bijelic, Felix Heide

机构 * Torc Robotics ； Princeton University（普林斯顿大学） 纠错

专题命中 感知 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV

AI总结 本文提出Telescope模型，通过可学习的双曲视点解决超长距离目标检测中远距离小目标检测难题，实现mAP相对提升76%。

Comments Project website: https://light.princeton.edu/telescope

RadarCNN: Learning-based Indoor Object Classification from IQ Imaging Radar Data

RadarCNN: 基于学习的室内物体分类从IQ成像雷达数据

Stefan Hägele, Fabian Seguel, Driton Salihu, Marsil Zakour, Eckehard Steinbach

专题命中 感知 ：LiDAR(abstract)

AI总结 本文提出RadarCNN，通过学习室内IQ雷达数据实现小物体分类，准确率高达97-99%，在噪声和遮挡下仍保持50%准确率，展示方法鲁棒性及未来改进方向。

Comments 6 pages, 12 figures, 2024 IEEE Radar Conference (RadarConf24), Denver, CO, US