HiPFuse は、単一の LiDAR スキャンからポイントクラウドと高さ分割されたビアーズ・ビュー（BEV）を融合し、リアルタイムで高精度のセマンティックセグメンテーションを実現するフレームワークである。

本手法は、水平スケールごとにポイント特徴と BEV 特徴を交換し、ポイント単位の詳細情報と 2 次元空間コンテキストを組み合わせる。固定された高さ割り当てにより、垂直方向の集約グループは別々に扱われる。初期 BEV 特徴は、同じ 3D セルからのターゲットを用いて補助的に監督される。

SemanticKITTI ベンチマーク上で HiPFuse は、Jetson AGX Orin 上で 14.2 FPS で 63.7 % の mIoU を達成し、LiDAR の 10 Hz スキャンレートを上回っている。MCD ベンチマークでは 22.4 FPS で 62.5 % の mIoU を記録した。図1 は、SemanticKITTI での精度対スループットを示し、測定された Jetson AGX Orin 設定下で 10 Hz を常に上回ることを確認できる。