FOSCo-Net：森林LiDAR遮挡的自监督体素补全框架
热点事件持续更新
FOSCo-Net：森林LiDAR遮挡的自监督体素补全框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Iman Esfandiyar 与 Dominik Belter 提出自监督体素补全框架 FOSCo-Net，用于补全地面机器人在温带森林中因树干遮挡而缺失的 LiDAR 几何。该方法以时间累积观测作为自动监督，从单次扫描重建被遮挡区域，并比较了圆柱坐标与笛卡尔坐标两种自中心栅格及多种解码器设计。 作者称，FOSCo-Net 稳定提升重建质量与通行安全性，其中门控跳跃解码器表现最可靠，相比基线显著减少虚假障碍物预测。该工作共 12 页、6 幅图，已被 ACIVS 2026 接收。上述效果为论文作者自述，尚未见独立验证。
AI 根据报道生成 · 2 小时前更新
最新进展11月5日 13:00
FOSCo-Net：面向森林LiDAR遮挡的自中心体素补全框架报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv · cs.ROFOSCo-Net：面向森林LiDAR遮挡的自中心体素补全框架
FOSCo-Net 是一个自监督体素补全框架，用于解决地面机器人在温带森林中因树干造成的 LiDAR 系统性遮挡问题。该方法以时间累积观测作为自动监督，从单次扫描重建被遮挡的几何，并对比了圆柱坐标与笛卡尔坐标两种自中心栅格及多种解码器设计。结果显示，FOSCo-Net 稳定提升重建质量与通行安全性，其中门控跳跃解码器表现最可靠，相比基线显著减少虚假障碍物预测。该工作共 12 页、6 幅图，已被 ACIVS 2026 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。