Mar, 2023

参数不是万能的：从非参数化网络开始进行 3D 点云分析

PDF
TL;DR我们提出了一种非参数网络，Point-NN，用于 3D 点云分析，可以作为构建 Parametric Networks 的基本框架，也可作为已训练的 3D 模型的插拔式模块，旨在为社区提供了解非参数方法处理 3D 点云的帮助。
non-parametric network3d point cloud analysispoint-nnparametric networksgeometric knowledge
发现论文，激发创造
  • 无时间训练：为 Few-shot 3D 场景分割赋能的非参数网络

    基于非参数化网络和支持查询传递模块，我们提出了一个用于 few-shot 3D 分割的 Seg-NN 和 Seg-PN 方法，其中 Seg-NN 通过手工设计滤波器来提取密集表示，Seg-PN 则通过训练轻量级的 QUERY-SUPPORT Transferring 模块来增强支持集和查询集之间的交互。实验证明，Seg-PN 在 S3DIS 和 ScanNet 数据集上优于先前的最先进方法，mIoU 分别提高 4.19％和 7.71％，同时减少了 90％的训练时间，表明其有效性和效率。

    Apr, 2024

  • PointASNL: 使用自适应采样的非局部神经网络进行鲁棒的点云处理

    本文介绍了一种名为 PointASNL 的新型端到端网络，旨在有效处理噪声的点云，并通过自适应采样模块和局 / 非局部模块来实现点云的鲁棒特征学习和降噪，并在各种数据集上获得了出色的性能。

    Mar, 2020

  • 学习采样

    本文介绍了如何用深度学习方法对三维点云进行优化来达到更好的分类、检索等目标效果，与现在流行的最远点采样方法（FPS）相比，优劣显著。

    Dec, 2018

  • 神经最近邻网络

    研究了利用自然信号的自相似性进行非局部方法，提出了一种对 KNN 选择规则进行连续确定性松弛的方法，即通过温度参数逐渐接近零将原始 KNN 保持为极限，利用提出的神经最近邻块 (N3 块) 用于现代神经网络建筑中，并展示了其在图像恢复等任务中的有效性。

    Oct, 2018

  • 在点云中重新思考网络设计和本地几何：一个简单的残差 MLP 框架

    本文提出了一种名为 PointMLP 的纯残差 MLP 网络，它不使用复杂的局部几何提取器，但仍能表现出很高的竞争力，装备了提出的轻量级几何仿射模块，PointMLP 在多个数据集上都达到了新的最佳状态，相对于大多数最近的 CurveNet，PointMLP 的训练速度快两倍，测试速度快七倍，并在 ModelNet40 基准测试中获得更高的精度。

    Feb, 2022

  • Point-GNN: 针对点云中 3D 物体检测的图神经网络

    本研究提出了一种基于图神经网络的 LiDAR 点云对象检测方法，采用自动注册机制降低了平移方差，并结合盒子合并和计分运算从多个数据点准确地组合检测结果，在 KITTI 基准测试中，该方法仅使用点云即可实现领先的准确性，甚至胜过融合算法，这显示了使用图神经网络作为三维对象检测的新方法的潜力。

    Mar, 2020

  • 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

  • PointeNet: 一种高效且有效的点云分析轻型框架

    PointeNet 是一种专门用于点云分析的高效网络，通过轻量级的架构、低训练成本和即插即用功能，有效捕捉代表性特征，并在分类 / 分割头或嵌入到现成的 3D 物体检测网络中实现了明显的性能改进，尤其适用于自动驾驶等实际场景。

    Dec, 2023

  • 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

  • 脉冲 PointNet：用于点云的脉冲神经网络

    通过引入 Spiking PointNet，我们提出了对象识别方面的第一个适用于点云的脉冲神经模型，通过单个时间步长的训练获得多个时间步长推断下更好的性能，并在 ModelNet10、ModelNet40 等数据集上进行了实验验证。

    Oct, 2023