点集投票用于部分点云分析

Jul, 2020

Point Set Voting for Partial Point Cloud Analysis

Junming Zhang, Weijia Chen, Yuping Wang, Ram Vasudevan, Matthew Johnson-Roberson

TL;DR该研究提出了一种针对局部 3D 点云的通用模型，该模型引入了本地点集投票策略，能够解决现有算法在应用于不完整点云时表现不佳的问题，并在形状分类、部分分割和点云补全方面取得了最先进的性能。

Abstract

The continual improvement of 3d sensors has driven the development of algorithms to perform point cloud analysis. In fact, techniques for point cloud classification and segmentation have in recent years achieved

3d sensors point cloud analysis partial point clouds local point set voting strategy point cloud completion

发现论文，激发创造

基于聚类的点云表示学习用于三维分析

基于聚类的监督学习方案用于点云分析，通过在点嵌入空间上进行类内聚类来自动发现子类模式，进而重构嵌入空间以提高鲁棒性；该算法在各种 3D 网络架构上表现出明显的改进，并在知名点云分割数据集和 3D 检测中显示出实用性。

Jul, 2023

PointNet：基于点集的深度学习用于三维分类和分割

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

深度学习技术在三维点云分类和语义分割中的综述

本研究综述了深度学习在点云处理中的最新进展、挑战和潜在研究方向，重点关注点云分析中的 3D 形状分类和语义分割两个主要任务。

May, 2024

通过投票步骤扩散从点云中进行的 3D 物体检测

通过估计点云分布的得分函数，将随机的 3D 点移动到物体中心分布的高密度区域，以改善 3D 物体检测的性能。

Mar, 2024

MVP-Net: 大规模点云的多视点语义分割

本文介绍了一种名为 MVP-Net 的神经网络结构，它可以高效地对大规模室外点云进行语义分割，而无需 KNN 算法，并且通过实验验证，MVP-Net 的速度是最有效的点云语义分割方法 RandLA-Net 的 11 倍，并在大规模基准数据集 SemanticKITTI 上达到相同的准确性。

Jan, 2022

2021 年多视图部分点云完成和配准挑战：方法与结果

该研究报告探讨利用 MVP 数据集解决部分点云完成和注册的问题，介绍 2021 年的挑战赛，讨论未来方向。

Dec, 2021

了解邻居在做什么：点云的三维语义分割

本文介绍了一种深度学习架构，用于解决非结构化点云的三维语义分割问题。与以往的工作相比，我们引入了点群聚合技术，定义了初始世界空间和学习特征空间中的点邻域，并结合专用损失函数，进一步构建了学习点特征空间。我们展示了如何将这些机制应用于点云的三维语义分割任务，并在室内和室外数据集上报告了最新性能。

Oct, 2018

使用潜在优化的点云高保真语义形状补全

通过基于学习的方法，利用生成建模和潜在流形优化来完成不完整的三维形状，我们的算法直接处理点云数据，成功地重建了在没有依赖基于示例数据库的检索的情况下大缺失区域的点云。

Jul, 2018

基于多路径区域挖掘的弱监督 3D 空间点云语义分割

本研究提出了一种利用弱标签预测三维点云中点级结果的方法，使用分类网络训练生成伪点级标签，再使用点级伪标签以全监督方式训练点云分割网络，实验结果在 ScanNet 数据集上证明了该方法的有效性。

Mar, 2020

基于几何驱动的零样本三维点云理解聚合

通过利用点云的几何结构改进传输的视觉 - 语言模型，我们提出了首个无需训练的聚合技术，通过几何和语义的点级推理，在分类、部件分割和语义分割等三个任务中取得了新的技术优势。

Dec, 2023