本篇论文使用上下文点表示方法,提出了一种基于点云局部和全局结构的创新模型,使用门控融合和图形点网络模块进行语义分割,借助空间性和通道性的注意力策略,以 S3DIS 和 ScanNet 数据集为基础,效果超过现有最先进的方法。
Nov, 2019
本文提出了一种名为 Geo-CNN 的算法,通过将点和其局部邻域应用一种称为 GeoConv 的通用卷积操作来捕捉点云中局部几何关系,并在特征提取过程中保留点云的几何结构,实现了在 ModelNet40 和 KITTI 数据集上的最先进性能。
Nov, 2018
数字化社会快速发展,朝着数字孪生和元宇宙的实现方向迈进。其中,点云作为一种 3D 空间的媒体格式备受关注。由于测量误差,点云数据受到噪声和异常值的污染,因此在点云处理中需要进行去噪和异常值检测。我们通过应用基于动态图卷积神经网络设计的两种类型的图卷积层来解决 PointCleanNet 未考虑局部几何结构的问题。实验结果表明,所提方法在 AUPR(异常值检测准确度)和 Chamfer 距离(去噪准确度)上优于传统方法。
Oct, 2023
本文提出 PointNet 网络,通过直接消耗点云数据并尊重其排列不变性,实现了一个统一的架构,可用于物体分类、局部分割和场景语义解析等多种应用,并在理论和实验方面都有较好表现。
Dec, 2016
本研究提出一种新的架构设计,结合了旋转和拓扑不变的图扩散算子和 1x1 卷积的逐点特征学习,从而有效地在不规则图形上传播特征并提高 3D 点云的特征提取和语义分类精度。
Sep, 2018
本文介绍了一种在点云上进行特征学习的方法,使用基于图卷积的局部图结构和新颖的图池化方法,该方法取得了在点集分类和分割任务中的一致可靠优势。
Mar, 2018
本文提出了一种球形卷积核,用于高效图形卷积处理 3D 点云数据,应用于图形神经网络中,实现点云分类和语义分割。
Sep, 2019
本文探讨了如何扩展 PointNet 架构以涵盖较大尺度的三维空间语义分割。通过两种扩展策略,该方法在室内和室外数据集上均取得了较好的结果。
Feb, 2018
GeoNet 是第一个深度学习结构用于对点云表达的曲面的内在结构建模,通过使用 GeoNet 与 PU-Net 和 PointNet ++ 等基线或骨干网络的融合方案来改善多个代表性任务的现有方法,包括点上采样、法向量估计、网格重建和非刚性形状分类。
Jan, 2019
本文提出了一种基于深度学习的点云局部三维形状属性估计方法 PCPNet,采用基于 patch 的学习方法,结合多尺度编码,能在强噪声和多尺度特征的情况下更好地估计法线及曲率等局部形状信息。我们的方法在结构化三角网格训练数据上训练,可以在处理噪声点云时得到比现有技术更好的结果,并成功在形状重构方面得到应用。
Oct, 2017