深度端对端体素到体素预测
本文探讨了三维数据表示方式的重要性,使用基于体素的模型来进行形状建模和物体分类,并提出了训练基于体素的变分自编码器、探索潜空间的用户界面和采用深度卷积神经网络实现物体分类的方法。最终在ModelNet基准测试中,我们的模型相较于最新技术提升了51.5%的物体分类准确率。
Aug, 2016
本文介绍了在体积数据上使用基于深度残差学习的深度卷积网络VoxResNet用于脑部图像分割的任务,同时提出了一种通过无缝集成低阶图像外观特征、隐式形状信息和高级上下文的自动上下文版本VoxResNet来进一步提高体积分割性能的方法,实验证明该方法在处理体积数据方面表现出色,揭示出3D深度学习在体积图像分割中的潜力。
Aug, 2016
通过扩展和优化快速Winograd级卷积算法,我们在CPU硬件上最大化CPU利用率及多核可伸缩性,处理了视频和体积图像分析中的空时特征,并证明了与之前的最先进技术相比,吞吐量提高了5到25倍。
Nov, 2016
本文提出了一种称为Point-Voxel CNN(PVCNN)的算法,其使用点的形式来表示三维输入数据以减少内存消耗,并通过使用体素来执行卷积以提高效率。该算法在语义分割数据集上实现了比基线模型更高的准确性,同时还在速度上超过了最先进的基于点的模型。
Jul, 2019
该论文提出了一种基于 3D dynamic voxel 的方法来实现深度图像中的三维动作识别,并通过 PointNet++ 进行端到端学习。通过在时间上分割深度图像并以体素的形式编码,从而提取动作中更丰富的时间顺序信息。实验表明,该方法在NTU RGB+D 120数据集上的交叉主体和跨场景测试设置中的准确性分别达到了82.4%和93.5%。
May, 2020
本文提出了一种基于3D全卷积神经网络的编码-解码网络结构,将其应用于视频中的显著对象分割。尝试使用全3D卷积来处理外观和运动信息从而实现密集视频预测,并通过3D全局卷积层和3D细化模块进行编码和解码操作。作者将其应用于DAVIS'16无监督,FBMS和ViSal数据集基准测试中,结果表明其效果优于现有状态艺术,同时速度更快,能够高效地学习空间 - 时间特征并产生高质量的视频分割掩码。
Aug, 2020
本文提出了一种基于体素的框架——Voxel R-CNN,通过从体素特征中提取RoI特征,实现与最先进的基于点的模型相当的检测准确度,但计算成本只有一小部分,并在KITTI数据集上实现了更高的检测准确度和实时图像处理速率。
Dec, 2020
采用动态多尺度体素流网络(DMVFN)进行视频预测,避免传统方法存在的大模型和额外输入问题,其核心是一种可微路由模块,通过选择不同的自适应子网络进行输入,比 Deep Voxel Flow 快一倍,且能够超过基于迭代的 OPT 最新技术。
Mar, 2023
VoxelNextFusion是一种多模态的三维物体检测框架,通过有效地融合稀疏点云和密集图像之间的信息,解决了现有基于体素方法在稀疏和密集特征融合上的问题,从而在KITTI和nuScenes数据集上实现了3D物体检测的显著改进。
Jan, 2024