Nov, 2020

HoHoNet：360 度室内全面理解与潜在水平特征

PDF
TL;DRHoHoNet 是一个用于室内 360 度全景图的多功能高效框架，它使用潜在的水平特征（LHFeat）来实现全局理解和重建房间布局，也提出了一个新颖的 Horizon-to-Dense 模块来实现 LHFeat 的每像素密集预测，可以实现在高分辨率 512x1024 全景图中实现 52-110 FPS 的运行速度，并在布局估计、语义分割和密集深度估计任务上取得了与最先进水平相当的结果。
发现论文，激发创造
  • FloorNet: 三维扫描的平面图重建统一框架

    本研究旨在通过智能手机，利用深度神经网络技术重建室内地图，提出了线上勘测算法 FloorNet 核心思路，即将 RGBD 流图像数据分别经过三个大的神经网络模块来提取特征并同时考虑 3D 与 2D 空间信息，这种方法能够有效提高室内平面图的重建准确性。

    Mar, 2018

  • 语义分割的特征早期融合

    通过将分类器网络与逆向 HRNet 架构集成，本文介绍了一种新颖的分割框架，用于高效的图像分割。我们的方法利用半监督预训练的 ResNet-50 骨干网络，在不同尺度上生成特征图，然后通过适应具有不同通道维度的逆向 HRNet 进行处理，产生最终的分割结果。在多个基准数据集上进行了严格测试，包括 Mapillary Vistas、Cityscapes、CamVid、COCO 和 PASCAL-VOC2012，使用像素精度和平均交并比（mIoU）等指标评估了分割性能。结果表明，我们提出的模型在实现高分割精度方面具有较高的效果，表明其在图像分析等各种应用中具有潜力。通过整合 ResNet-50 和逆向 HRNet 的优势，我们提出了对图像分割挑战的强大解决方案。

    Feb, 2024

  • HVNet：用于基于激光雷达的三维物体检测的混合体素网络

    我们提出了一种名叫 Hybrid Voxel Network（HVNet）的新型一阶段统一网络，用于基于点云的自动驾驶 3D 目标检测。在 KITTI 基准测试中，单个 HVNet 实现了最好的 mAP，并具有 31Hz 的实时推理速度。

    Feb, 2020

  • 由粗到细：大尺度的强健分层定位

    本文提出了一种基于单片式 CNN 的分层定位方法 HF-Net，通过利用粗到细的定位范例实现了在大规模环境和重要外观变化的情况下更准确地进行 6 自由度定位。除此之外，通过利用学习描述符，使我们的方法在大幅度外观变化的情况下实现了卓越的定位鲁棒性，并为大规模定位的两项具有挑战性的基准设定了新的标准。

    Dec, 2018

  • RealHePoNet: 用于野外头部姿态估计的强大单阶段 ConvNet

    使用单个卷积神经网络模型和两个数据集进行训练，成功创建了一个精度和推理速度兼顾的头部姿势识别系统，可在实际应用中使用，实测误差平均仅为 4.4 度，推理时间仅为 6ms。

    Nov, 2020

  • RoomNet: 端到端的房间布局估计

    该论文的研究重点为从单目 RGB 图像中估算房间布局，采用端到端可训练的编码 - 解码网络 RoomNet 直接估算有序的房间布局关键点，实现了与最新工作相比 200-600 倍的加速和最新的性能。

    Mar, 2017

  • HyperNet：准确区域提议生成与联合目标检测

    本文提出了深层分层网络 HyperNet，以处理区域提案生成和目标检测。HyperNet 基于精心设计的超级特征，将图像的深层、中间和浅层特征结合在一起，实现了端到端的联合训练策略，并在每张图像使用仅 100 个提案达到了 PASCAL VOC 2007 和 2012 检测数据集上的完全领先的召回和最先进的目标检测准确度。

    Apr, 2016

  • Lite-HRNet Plus：快速准确的面部关键点检测

    通过实验证明，Lite-HRNet Plus 在人脸标志物检测领域取得了比传统方法更高的准确性，并在 10M FLOPs 的计算复杂性范围内实现了最新的准确性。

    Aug, 2023

  • HDMapNet：一个在线高精度地图构建与评估框架

    本文介绍 HD 语义地图学习的问题，提出了一种语义地图学习方法 HDMapNet，通过多传感器数据的融合，可以更好地动态地构建地图语义，并且相比于传统基线方法具有更好的性能。

    Jul, 2021

  • Panoptic-PHNet: 通过聚类伪热度图实现实时高精度 LiDAR 全景分割

    本文提出了一种快速高效的基于 LiDAR 的 Panoptic-PHNet 框架，其引入簇伪热图作为新的范例，提出了 knn-transformer 模块来精确回归前景点之间的相互作用，并将细粒度体素特征与不同感受野的 2D 俯瞰视图（BEV）特征融合，通过在 SemanticKITTI 数据集和 nuScenes 数据集上的大量实验证明 Panoptic-PHNet 超过了最先进方法，在真实时间内实现了极高的性能。

    May, 2022