May, 2019

基于树结构图卷积的 3D 点云生成对抗网络

PDF
TL;DR本文提出了一种名为 tree-GAN 的新型生成对抗网络用于 3D 点云生成，并引入树形图卷积网络 (TreeGCN) 作为 tree-GAN 的生成器以提高特征的表示能力，通过引入评估指标 FPD 来准确评估 3D 点云 GAN，实验结果表明了 tree-GAN 在传统度量和 FPD 方面都优于现有的 GAN，并且可以生成不同语义部分的点云。
generative adversarial network3d point clouds generationtree-structured graph convolution networkfrechet point cloud distancesemantic parts
发现论文，激发创造
  • 一种用于生成密集且色彩丰富的三维点云的渐进式条件生成对抗网络

    本文介绍了一种使用条件生成对抗网络并以无监督的方式为各种物体创建具有颜色的密集三维点云的方法，并提出了一种点变换器，该变换器通过使用图卷积逐渐增加网络规模。实验结果表明，该网络能够学习和模仿三维数据分布，并产生具有多种分辨率和精细细节的彩色点云。

    Oct, 2020

  • 基于图卷积神经网络的三维点云分类

    本文介绍了使用 Graph-CNNs 和 PointGCN 对 3D 点云数据进行分类的方法，通过局部图卷积和两种图降采样操作实现了对点云局部结构的有效探索，与竞争方案相比，该架构具有更稳定的性能。

    Nov, 2018

  • 4DSR-GCN: 使用图卷积网络进行 4D 视频点云上采样

    本研究提出了一种新的方法，使用特定设计的图卷积网络以及结合动态边卷积和图注意力网络，实现对经过重压缩的 3D 视频点云数据的提升和恢复，同时通过更少的参数达到可比较的重建质量，适用于例如自动驾驶中使用的 LiDAR 等边缘计算设备。

    Jun, 2023

  • 点云 GAN

    本文提出了一种用于生成点云数据的改进的 GAN 算法（PC-GAN），结合了层次贝叶斯建模和隐式生成模型的思想，使用后验推理网络来学习隐藏变量、使用紧凑的 Wasserstein 距离估计来定义优化目标，从而实现了多个 GAN 算法的一般化框架。实验证明，PC-GAN 比现有方法更好地生成了许多 3D 模型，并且具有竞争性能的潜力。

    Oct, 2018

  • LG-GAN: 面向基于点云的深度网络的标签引导对抗网络进行灵活的有针对性攻击

    本文提出了一种新颖的标签引导的对抗网络（LG-GAN）用于实时灵活的目标点云攻击，该网络能够在单一前向传递中学习如何变形点云以使识别网络误认为是特定标签，支持在飞行中的灵活目标攻击，并同时保证攻击性能和效率的同时提高。

    Nov, 2020

  • 快速可扩展的点云学习 Grid-GCN

    本文提出了名为 Grid-GCN 的方法，用于快速和可扩展的点云学习。Grid-GCN 使用一种新颖的数据结构策略，Coverage-Aware Grid Query（CAGQ），通过利用网格空间的效率，提高了空间覆盖范围，同时减少了理论时间复杂度，具有很高的速度和可扩展性。Grid-GCN 在各类点云分类和分割基准测试中都表现优异，并且比以前的研究运行速度更快。值得注意的是，在使用 81920 个点作为输入场景进行 ScanNet 推理时，Grid-GCN 实现了 50fps 的推理速度。

    Dec, 2019

  • 深度树生成对抗网络 v2：点云的迭代池化

    本文介绍了一种扩展了 DeepTreeGAN 的模型，其中包含一个评论者，它能够以基于树的方式迭代地聚合点云，模拟高能物理中的粒子模拟与探测器相互作用，以实现快速生成大规模点云，并准确建模粒子之间的复杂依赖关系。我们展示了该模型能够重现复杂分布，并对公开的 JetNet 150 数据集进行了评估。

    Nov, 2023

  • 点云分割的正则化图卷积神经网络 (RGCNN)

    本文提出了一种正则化图卷积神经网络 (RGCNN)，通过谱图理论，将点云中的特征视为图上的信号进行卷积，可以直接处理点云数据，提高了点云分割效能，并在 ShapeNet 部件数据集上进行了实验验证。

    Jun, 2018

  • 3DTI-Net: 使用动态 GCN 学习内部变换不变的三维几何特征

    本论文提出了一种基于局部图表示的点云学习框架，通过学习内部的三维几何特征并使用基于图卷积网络的特征提取网络来实现三维变换不变性，这种方法在分类和分割任务中取得了最先进的性能和有竞争力的性能，具有重要的研究意义。

    Dec, 2018

  • 使用连续条件的点云生成

    使用辅助分类器 GAN 和核密度估计的生成对抗网络，能够在生成高质量高多样性 3D 对象的同时实现对其属性的控制。

    Feb, 2022