Jun, 2023

SelFLoc: 大规模基于点云的地点识别的选择性特征融合

PDF
TL;DR本文提出了一种基于点云的地点识别方法 SelFLoc，其中采用堆叠式不对称卷积块（SACB）提高了特征表示效果，并通过选择性特征融合块（SFFB）对关键区域的局部特征进行选择性提升和对齐。在牛津和其他三个基准测试中，SelFLoc 的平均召回率 @1 改进了 1.6 个百分点，达到 SOTA 水平。
point cloud-basedlidar pointsstacked asymmetric convolution blockselective feature fusion blockselfloc
发现论文，激发创造
  • SqueezeSegV3: 面向点云分割的自适应空间卷积

    本文针对 LiDAR 点云分割中前处理存在的问题，提出了新的卷积方法 Spatially-Adaptive Convolution，并通过 SqueezeSegV3 核 SemanticKITTI 数据集的实验表明，相较于之前提出的算法在语义分割的性能上有了更好的提升。

    Apr, 2020

  • 选择与合并（SAC）：一种通过高效的局部马尔可夫网络实现点云生成的新型多视深度融合算法

    通过使用局部 Markov Netlets 对选择性合并（SAC）方法，从多个深度图中选择最佳深度图，并将其组合成单个干净的点云进行深度融合，以提高精度和完整性，相比最佳现有方法，我们的方法将 F1 分数提高了 2.07％，并生成了 18％更清晰且更准确的点云。

    Aug, 2023

  • 稀疏融合稠密：基于深度补全的高质量 3D 检测

    本文提出了一种基于 SFD 框架的多模态方法，采用由深度补全生成的伪点云来解决点云稀疏性问题，并提出一种新的 3D RoI 融合策略 3D-GAF 来更好地利用不同类型点云的信息。同时，本文还介绍了通过数据增强等措施让多模态框架利用 LIDAR-only 方法。最后，实验表明本文所提出的方法在 KITTI 3D 目标检测排行榜上获得了最高的入口，证明了其有效性。

    Mar, 2022

  • 用于高效活动识别推断的选择性特征压缩

    本论文提出了一种基于选择性特征压缩的动作识别推理策略，通过在时空维度上压缩特征流来显著提高推理效率，从而减少内存使用并略微提高 Top1 精度，实验表明该方法可以代替常用的 30 次裁剪密集采样过程。

    Apr, 2021

  • (AF) 2-S3Net: 基于自适应特征选择的注意力特征融合稀疏语义分割网络

    本文介绍了一种基于 AF2-S3Net 的端到端编解码 CNN 网络，用于 3D LiDAR 语义分割，并在大规模 SemanticKITTI 基准测试上展示了其优越性能。

    Feb, 2021

  • 利用基于稀疏自适应瓶颈中心编码器的特征选择

    本文提出一种新颖的非线性模型，Sparse Adaptive Bottleneck Centroid-Encoder（简称 SABCE），用于确定区分两个或更多类别之间特征的算法，并将其应用于各种实际数据集中，包括高维生物，图像，语音和加速度计传感器数据，经实验证明，SABCE 所提取的特征通常比其他方法产生更好的分类准确性，创造了新的最佳结果。

    Jun, 2023

  • 大规模场所识别的高效三维点云特征学习

    本文提出了一种高效的点云学习网络 (EPC-Net) 以形成全局描述符用于视觉地方识别，该网络具有良好的性能并且可以降低计算内存和推理时间，通过在代理点和空间相邻矩阵上进行简化的边缘卷积实现对点云本地几何特征的聚合，然后设计轻量级分组 VLAD 网络 (G-VLAD) 以形成检索的全局描述符。

    Jan, 2021

  • FPS-Net：大规模 LiDAR 点云分割的卷积融合网络

    该研究设计了 FPS-Net 网络，利用点云投影图像的不同特征进行多模态特征融合，旨在优化点云的分段。该网络的有效性在广泛实验中得到证明，可以实现优于现有方法的语义分割，并且引入的多模态融合思想也兼容于典型的投影方法。

    Mar, 2021

  • FASTC：一种快速的基于注意力机制的点云语义可通行性分类框架

    使用点云进行地形可通过性评估，通过新的柱状特征提取模块和时空注意力模块，实现了更高的性能和更准确的评估结果。

    Jun, 2024

  • LCPR: 基于多尺度注意力的 LiDAR 相机融合网络用于地点识别

    提出了一种名为 LCPR 的新型神经网络，该网络融合 LiDAR 点云和多视角 RGB 图像，生成环境的具有区分性和偏航旋转不变性的表示，从而提高了地点识别性能并保持了对视角变化的强鲁棒性。

    Nov, 2023