ICCVJul, 2019

基于二十面体球的定向语义分割

PDF
TL;DR该论文提出了一种适用于全景图像的方位感知卷积神经网络框架，该框架可以更高效地进行分类和语义分割任务，并为自动驾驶系统等应用程序提供了 “全景式” 理解周围环境的能力。
semantic segmentationomnidirectional imagesicosahedron meshorientation-aware cnn frameworkautonomous driving
发现论文，激发创造
  • 通过自监督的球形 CNN 学习定向表面

    本文提出了一种基于 Spherical CNNs 的自我监督训练的方法，能够学习并识别 3D 形状的标准方向，该方法被称为 Compass，并在多个公共数据集上实验，证明了其有效性。

    Nov, 2020

  • 球形特征金字塔网络用于语义分割

    使用基于图的球形卷积神经网络（CNNs）的金字塔特征网络（FPNs）设计了球形 FPNs，与球形 UNets 相比，我们的模型在 Stanford 2D-3D-S 数据集上表现出一致的改进，而且使用更少的参数，其 mIOU 为 48.75，在先前最好的球形 CNN 上提高了 3.75 个 IoU 点。

    Jul, 2023

  • 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

  • 跨域 3D 等变图像嵌入

    本文介绍了一种基于球形卷积网络的 2D 图像嵌入学习方法，在不需要特定任务的监督下，利用其等变结构特征解决了姿态估计和新视角合成等应用。

    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

  • 3D 点云球形卷积神经网络

    提出了一种利用球面卷积核和八叉树空间分割的神经网络用于 3D 点云处理，该球面度量型卷积核系统地量化点周围的局部几何结构，同时具有平移不变性和不对称性。

    May, 2018

  • 基于球形卷积核的八叉树引导的 3D 点云 CNN

    本文提出了一种基于八叉树引导的神经网络结构和球形卷积核来进行任意 3D 点云的机器学习。该网络架构充分利用了不规则点云的稀疏性，并通过空间划分分层粗化数据表示。同时，该提议的球形核有系统地量化点邻域，以识别数据中的局部几何结构，同时保持平移不变性和不对称性。我们利用与空间位置相关联的网络神经元来指定球形核，从而避免了网络训练期间动态核生成，以实现高分辨率点云的高效学习，并在 3D 对象分类和分割的基准任务上取得了新的最先进状态，分别在 ShapeNet 和 RueMonge2014 数据集上。

    Feb, 2019

  • DeepSphere：基于图形的球形 CNN

    研究了一种基于图表示的方法，DeepSphere，在球形神经网络上设计卷积需要在效率和旋转等变性之间进行微妙的权衡，并且其性能卓越，甚至好于一些采用各向异性滤波器的方法。

    Dec, 2020

  • 可操纵的 3D 球形神经元

    该论文提出了一种可定向前馈的学习方法，利用球面神经元对点云进行分类，得到具有旋转等变性的滤波器组建网络，利用三角形基础来推导滤波器并构建旋转等变性的球形滤波器组。

    Jun, 2021

  • 使用旋转等变卷积网络进行高效语义分割

    我们提出了一种语义分割模型，利用旋转和反射对称性，扩展了等变 CNN 框架，通过引入新的等变（G-》Z2）- 卷积和等变转置卷积，实现了对组别特征图的变换与上采样，进而提高了样本效率和鲁棒性，并在癌症转移组织病理图像的多个数据组织方案的旋转等变分割任务上进行了评估，证明了利用更多对称性的高效性。

    Jul, 2018