NIPSAug, 2017

学习球面卷积以从 360° 图像中快速提取特征

PDF
TL;DR该研究提出了一种基于球面卷积网络的方法来处理 360° 全景图像，该方法可以有效地提取特征并利用预先训练的卷积神经网络，从而大大降低了计算量和提高了准确性。
360 degree camerasconvolutional neural networksspherical convolutional networkequirectangular projectionefficient feature extraction
发现论文，激发创造
  • 球形卷积神经网络

    该研究介绍了构建球形 CNN 的基本模块，该模型可用于解决分子回归和全球气候建模等领域的问题，并通过实验证明了其计算效率、数值精度和有效性。

    Jan, 2018

  • 使用球形 CNN 学习 SO (3) 等变表示

    论文提出通过多值球面函数和在球谐域中实现球面上的准确卷积来解决 3D 卷积神经网络中的 3D 旋转等变性问题，进而提供了一种局部对称且通过平滑的频谱实现本地化滤波器的方法，同时还实现了一种用于谱域的新型池化技术，这些操作使得网络不需要过多的容量和数据增强即可在标准检索和分类基准测试中与现有的最先进性能相当。

    Nov, 2017

  • 用于语义分割的标准卷积神经网络的等距投影图像构建方法

    通过使用标准的卷积神经网络（CNNs）处理改进的球面居中投影和等距圆柱投影的等距视角图像，该研究实现了对广角图像进行语义分割的效果，相比于其他三种方法，该方法具有最高的平均交并比（IoU）值，分别提高了 23.85％、10.7％和 17.23％。

    Oct, 2023

  • 球形变压器：将球形信号适应于卷积神经网络

    本文提出基于 Spherical Transformer 的方法，将球面信号转换为能够被标准 CNNs 直接处理的向量，从而使许多经过精心设计的 CNNs 架构可以通过预训练在不同任务和数据集中重复使用，该方法在球形 MNIST 识别，3D 物体分类和全向图像语义分割任务上具有优异性能。

    Jan, 2021

  • 球面信号的卷积网络

    本文介绍了一种新的网络结构 —— 球面卷积网络，用于处理具有旋转不变性的分类问题，并通过在球面上进行卷积和旋转权重共享来实现旋转等变性。实验结果表明，球面卷积网络在处理类似于 MNIST 的数据集时具有很高的准确率。

    Sep, 2017

  • 基于图卷积网络的竖直调整

    提出一种新颖的方法来进行 360 度图像的纠正调整，该方法包括卷积神经网络（CNN）和图卷积网络（GCN）两个模块，通过 CNN 处理输入的 360 度图像进行视觉特征提取，然后将提取的特征图转换成一个图形，从而找到了输入的球面表示。同时引入了一种新颖的损失函数来解决在球面上定义的离散概率分布问题。实验结果表明，该方法优于基于全连接的方法。

    Jun, 2024

  • 核变换器网络用于紧凑的球形卷积

    本文介绍了核变换网络，它可以有效地将卷积核从透视图图像转换为 360 度图像的等矩形投影。与现有方法不同，它允许模型转移，并成功地实现了在识别任务上的应用，同时提高了球面卷积的性能。

    Dec, 2018

  • 超球损失的 $360^o$ 表面回归

    本文通过利用现有的 3D 数据集和重新渲染的方式解决 $360^o$ 图像的表面法向数据不足的问题，并通过深度卷积神经网络来实现全景图像的表面估计。

    Sep, 2019

  • 360 度可学习代价卷积的立体深度估计

    提出一种新的神经网络架构，用于解决 360° 图像中的球面视差问题，并通过学习可移位滤波器构建代价体积以缓解失真问题，实验结果表明其对现有算法具有较好的鲁棒性和准确性。

    Nov, 2019

  • 扩展球形卷积网络

    这篇研究论文介绍了如何通过提出新的模型组件、实现核心操作以及应用特定输入表示等关键改进来扩展球面 CNN，使其可用于更大规模的问题并在 QM9 分子基准测试的多个目标上达到最新水平，在多个天气预测任务中实现竞争性表现。

    Jun, 2023