Jul, 2020

使用 PyTorch3D 加速 3D 深度学习

PDF
TL;DR本文介绍了 PyTorch3D，一个用于 3D 深度学习的模块化、高效且可微分的操作库，包括一个快速、模块化和可微分的渲染器，通过合成分析方法来预测出优秀的 3D 网格和点云，它比其他可微渲染器更加模块化和高效，在大型网格和图像方面也更具优势，能在提高速度和内存性能的同时扩展性更灵活。
3d deep learningpytorch3ddifferentiable renderermeshespoint clouds
发现论文，激发创造
  • Torch-Points3D: 一个模块化多任务框架，用于在 3D 点云上可重现的深度学习

    Torch-Points3D 是一个开源的框架，其模块化设计、高效实现和用户友好的接口使其成为研究和产品化的有用工具，在 3D 深度学习研究中旨在标准化更高层次的透明度和重现性，降低其门槛。在本文中，我们介绍了 Torch-Points3D 的设计原则，以及在多个数据集和任务上，多种最先进算法和推理方案的广泛基准测试。Torch-Points3D 的模块化设计使我们能够设计公正而严格的实验协议，在相同条件下评估所有方法。

    Oct, 2020

  • 深度学习技术在三维感知数据分类中的综述

    本文综述了当前处理非结构化欧几里得数据的深度学习架构，并提供了自动理解和分类三维感测数据的算法需求和未来研究价值的文献支持。

    Jul, 2019

  • 关于不同 3D 数据表示的深度学习进展调查

    该论文全面介绍了不同的三维数据表示法之间的差异，以及如何在这些不同表示法上应用深度学习方法，同时分析了相应需要克服的挑战。

    Aug, 2018

  • Med3D：三维医学影像分析的迁移学习

    本研究为培训深度学习算法所需数据量的问题提出了一种解决方案，通过建立医学图像分割数据集和使用 Med3D 进行多域协同训练，可以加速涉及 3D 医学图像的任务的训练收敛速度和提高准确度。

    Apr, 2019

  • CT3D++：基于关键点引导的通道注意力变换提升 3D 物体检测

    通过引入两个旨在准确高效地检测和定位三维空间中物体的 3D 物体检测框架，本文目的是解决当前 3D 检测的灵活性和可伸缩性不足的问题，并在 KITTI 数据集和大规模 Waymo 数据集上取得最先进的性能。

    Jun, 2024

  • AdvMono3D：具有深度感知的鲁棒性对抗式高级单目 3D 物体检测

    我们提出了一个名为 DART3D 的鲁棒性深度感知对抗训练方法，用于单目 3D 对象检测，通过设计迭代退化攻击和基于不确定性的残差学习方法，提高了模型对对抗攻击的鲁棒性，在 KITTI 3D 数据集上的实验中，在 Easy，Moderate 和 Hard 设置下的车辆类别的 3D 对象检测评价指标 $AP_{R40}$ 上，相比直接对抗训练方法，分别实现了 4.415%，4.112% 和 3.195% 的提升。

    Sep, 2023

  • 使用通道式 Transformer 提高 3D 目标检测

    本文中，我们提出了一种改进的两阶段 3D 目标检测框架 CT3D，其中利用高质量的区域提议网络和基于通道的 Transformer 架构来同时执行提议感知嵌入和通道方式的上下文聚合，以获取更准确的目标预测，具有优秀的性能和可伸缩性，尤其是在 KITTI 测试 3D 检测基准中，众车类别的 AP 为 81.77％，优于现有最先进的 3D 检测器。

    Aug, 2021

  • 一种用于 3D 物体检测的端到端 Transformer 模型

    3DETR 是一种基于 Transformer 的端到端目标检测模型，适用于 3D 点云，相较于现有的检测方法，它需要最少的修改，可以通过将 3D 领域知识整合进去得到进一步的改进，在 ScanNetV2 数据集上，相比于 VoteNet 基线具有 9.5% 更好的性能，并且适用于其他 3D 任务。

    Sep, 2021

  • 深度几何学习调查：来自表征角度

    本文从不同的表示角度综述了深度学习在三维几何中的最新发展，并总结了不同表示方法在不同应用中的优缺点，同时提出了进一步的研究方向。

    Feb, 2020

  • SHIFT3D: 合成困惑 3D 检测器的硬输入

    SHIFT3D 通过使用有符号距离函数（SDF）表示对象，并利用梯度错误信号来平滑地改变 3D 对象的形状或姿态，从而生成既具有结构合理性又对 3D 物体探测器具有挑战性的 3D 形状。这种方法为现代 3D 物体探测器提供了可解释的失败模式，并可以在潜在的安全风险发展为关键故障之前帮助及时发现潜在的安全风险。

    Sep, 2023