Aug, 2018

VERAM：视图增强的循环注意力模型用于 3D 形状分类

PDF
TL;DR本文提出了一种名为 VERAM 的递归注意模型，能够主动选择一系列视角进行高精度的三维形状分类，通过三个关键增强策略解决了现有注意力模型中不平衡训练的问题，实现了状态下的最先进水平。
multi-view deep neural networkveram3d shape classificationrecurrent attention modelview selection mechanism
发现论文，激发创造
  • 3D 物体检索的 N-gram 网络

    本文介绍了一种名为 View N-gram Network (VNN) 的高效框架，通过将视图序列划分为一组视觉 n-gram，VNN 可以捕获多个视图间的空间信息，从而帮助学习每个 3D 对象的判别性全局嵌入。在诸如 ModelNet10、ModelNet40 和 ShapeNetCore55 等 3D 形状检索基准测试中，我们的方法表现出优越性。

    Aug, 2019

  • ViewFormer: 多视角三维形状理解的视图集合注意力

    本研究为多视角三维形状识别和检索提出了 ViewFormer 方法，该方法通过提出 “视角集” 视角，采用一种自适应的注意力模型来捕捉视图集中的元素之间的成对和高阶相关性，并将学习到的多视角相关性聚合到一个富有表达力的视角集描述符中进行识别和检索。实验证明，该方法在不同任务和数据集上具有惊人的能力。特别是在 ModelNet40 数据集上，ViewFormer 首次达到 98.8％的识别准确率，超过了之前最好的方法 1.1％的表现。

    Apr, 2023

  • 基于 Transformer 的多视角三维重建

    本文提出了一种名为 3D Volume Transformer（VolT）的新框架，将多视角 3D 重建转化成了序列到序列的预测问题，并使用 self-attention 来探索多个无序输入之间的视图关系。在大规模 3D 重建基准数据集 ShapeNet 上，我们的方法比其他基于 CNN 的方法使用更少的参数（减少了 70%），实现了新的多视角重建的最新精度。

    Mar, 2021

  • 3M3D: 多视角、多路径、多表征 3D 目标检测

    提出了一种基于多视图轴自注意力和局部 ROI 自注意力的多路径多表示 3D 物体检测方法，通过稀疏浮动查询和密集 BEV 查询的多重表示进一步提高了性能，对于自动驾驶系统具有重要意义。

    Feb, 2023

  • 面向活动视觉识别的几何感知循环神经网络

    该研究介绍了使用递归的几何感知神经网络，将一个场景的多个视图中的视觉信息整合到 3D 潜在特征张量中，并直接使用构建的 3D 特征存储器进行物体检测、物体分割和 3D 重建。

    Nov, 2018

  • AA-RMVSNet：自适应聚合循环多视图立体网络

    本文介绍了一种利用长短时记忆的新型递归多视角立体视觉网络，该网络基于自适应聚合，并提出了协同作用的自适应聚合模块，有效改善了局部细节和大低纹理表面的性能，并且在各种数据集上取得了出色的表现。

    Aug, 2021

  • SCA-PVNet：自我与交叉注意力的点云和多视图聚合用于 3D 对象检索

    我们提出了基于点云和多视角图像的自我和交叉注意力聚合方法 (SCA-PVNet) 来进行三维目标检索，通过设计两种特征聚合模块（即 In-Modality Aggregation Module (IMAM) 和 Cross-Modality Aggregation Module (CMAM)），通过自我和交叉注意力机制有效地融合多视角特征和点云特征，从而获得目标检索的最终描述符。我们在从小到大范围的三个数据集上进行了大量实验和分析，证明了提出的 SCA-PVNet 方法在三维目标检索领域的卓越性能。

    Jul, 2023

  • 多视角三维物体识别的深度模型综述

    综述了基于多视图三维物体识别方法在三维分类和检索任务方面的最新进展，聚焦于基于深度学习和基于 Transformer 技术的方法，包括常用的三维数据集、相机配置和视角数量、视角选择策略、预训练卷积神经网络架构、融合策略以及在三维分类和检索任务上的识别性能，同时考察了多视图分类在计算机视觉应用中的各种情况，并凸显了关键发现和未来发展方向。

    Apr, 2024

  • 深层特征集的强鲁棒性注意聚合在多视角三维重建中

    本文提出一种新的前馈神经模板 ——AttSets，以及一个专门的 FASet 训练算法，用于多视图的 3D 重建。AttSets 模块是置换不变的，计算效率高且易于实现，而 FASet 算法使基于 AttSets 的网络非常稳健，并且在多个公共数据集上确切地证明了 AttSets 与 FASet 算法的优越性。

    Aug, 2018

  • 用于学习类别特定形状重建的多视图聚合

    本文研究了从未观察到的物体实例的可变数量的 RGB 视图学习特定类别的 3D 形状重建问题，并提出了一种可以估计密集 3D 形状并在多个和不同数量的输入视图上聚合形状的方法。

    Jul, 2019