Apr, 2023

小而强：用 U-Next 框架提升 3D 点云语义分割

PDF
TL;DR该研究提出了一种基于 U-Next 框架的语义分割方法，通过学习语义相似特征图的多尺度分层表示、跨尺度特征图融合及多级深度监督机制实现对大规模 3D 点云的有效分割，实验证明其在多个基准数据集上具有显著的优越性和有效性。
semantic segmentation3d point cloudsu-nextmulti-scale hierarchical representationsdeep supervision mechanism
发现论文，激发创造
  • 一个统一的基于点的 3D 分割框架

    针对 3D 点云的分割问题，我们提出了一种新的点云分割框架，该框架能有效地优化整个场景的像素级特征，几何结构和全局上下文先验。实验结果表明，该方法优于现有的一些最先进的方法，并探讨了在三维重建场景中合成相机姿态以获得更高的性能。

    Aug, 2019

  • PU-Net: 点云上采样网络

    本文提出了一种数据驱动的三维点云上采样技术，通过在特征空间中隐式地学习多层次特征并扩展点集，进而构建高密度点集，并在表面均匀分布的基础上实现采样点的重构，实验结果表明该方法的优越性。

    Jan, 2018

  • 探索点云三维语义分割的空间上下文

    本文探讨了如何扩展 PointNet 架构以涵盖较大尺度的三维空间语义分割。通过两种扩展策略，该方法在室内和室外数据集上均取得了较好的结果。

    Feb, 2018

  • U3DS$^3$: 无监督的三维语义场景分割

    针对任何整体三维场景，本论文提出了 U3DS$^3$ 作为一个完全无监督的点云分割方法，通过利用点云的固有信息来实现全三维场景分割，并且在 ScanNet、SemanticKITTI 和 S3DIS 数据集上提供了最新的研究成果和具有竞争力的结果。

    Nov, 2023

  • 一种用于机器人大规模 LiDAR 场景解析的高效框架

    本文介绍了一种在有限标签情况下解决点云理解问题的通用简单框架，通过无监督区域扩展的聚类方法生成聚类，并结合地理特征相似性和语义特征相似性在弱标签监督下学习合并过度细分的聚类，以及自监督重建和数据增强优化模块引导标签在场景中语义相似点之间的传播。实验证明，该框架在大规模 3D 语义场景解析的数据效率设置下，在语义分割、实例分割和目标检测等三个重要弱监督点云理解任务中表现最佳，所开发技术还具有对机器人操作和自主导航中的下游任务提供更好表示的潜力。代码和模型可在链接处公开获取。

    Dec, 2023

  • 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

  • SEGCloud：3D 点云的语义分割

    本研究介绍了 SEGCloud，一种利用三线性插值和完全连接条件随机场等方式得到端到端三维点级分割的框架，可实现对室内和室外三维数据集进行准确的场景标注。

    Oct, 2017

  • UXNet: 为 3D 医学图像分割搜索多级特征聚合

    该论文提出了一种名为 UXNet 的新型 NAS 方法，旨在寻找 3D 医学图像分割中的比例级特征聚合策略和编码器 - 解码器网络中块状操作符，相比于最近的 NAS 方法，UXNet 架构发现的性能优于现有的最先进模型，并且具有较低的计算复杂度。

    Sep, 2020

  • MinkUNeXt：基于稀疏三维卷积的基于点云的大规模地点识别

    MinkUNeXt 是一种基于 3D MinkNeXt Block 的高效有效的基于点云的地点识别架构，该架构通过 3D 稀疏卷积实现特征提取和聚合，并在测试中表现出优于其他方法的结果。

    Mar, 2024

  • OneFormer3D：统一点云分割的一种 Transformer

    本文提出了一种统一、简单、有效的模型 OneFormer3D，利用可学习的卷积核同时处理实例分割和语义分割，通过输入统一的实例和语义查询来训练，并在 ScanNet 测试排行榜中取得了第一名和新的最佳性能，同时在 ScanNet、ScanNet200 和 S3DIS 数据集上展示了最领先的语义、实例和全景分割结果。

    Nov, 2023