Jul, 2023

BPNet：三维点云的贝塞尔基元分割

PDF
TL;DR本论文提出了 BPNet，一种新颖的端到端深度学习框架，用于学习在 3D 点云上的 Bézier 基元分割。通过将 Bézier 分解应用于点云分割，我们能够实现有限形状类别的广义基元分割。我们提出了一个联合优化框架，在级联架构上同时学习 Bézier 基元分割和几何拟合。通过引入软投票正则化器和自动权重嵌入模块，我们使网络更具鲁棒性和通用性。我们还引入了一个重构模块，通过该模块可以同时处理具有不同基元的多个 CAD 模型。我们在合成的 ABC 数据集和实际扫描数据集上进行了大量实验证实并与不同的基准方法进行了比较。实验证明，我们的方法在分割方面具有卓越的性能，并且推理速度显著得更快。
bpnetprimitive segmentation3d point cloudsbezier decompositiongeometric fitting
发现论文，激发创造
  • PIE-NET: 点云边缘参数推断

    介绍了一种基于神经网络的端到端可学习技术，用于鲁棒地辨识三维点云数据中的特征边缘并采用参数曲线表示，该技术为 PIE-NET，采用区域提议结构训练模型，并在大型 CAD 模型数据集 ABC 上对其进行训练和评价，结果显示其边缘检测性能优于传统和基于深度学习的算法。

    Jul, 2020

  • HPNet: 使用混合表示进行深度原语分割

    本文介绍了一种用于将以点云表示的三维形状分割成原始补丁的新型深度学习方法 HPNet，其利用混合表示结合学习语义描述符、预测几何参数导出的两个谱描述符以及编码锐利边缘的邻接矩阵。实验结果表明，相较于基线方法，HPNet 可以显著提高性能。

    May, 2021

  • 学习点云上的 3D 实例分割中的物体边界框

    3D-BoNet 是一个新颖的、简单易懂且通用的网络，可在 3D 点云上实现实例分割。该网络由骨干网和两个并行支路（边界框回归和点掩码预测）组成，并在保持端到端训练的同时，直接回归点云中所有实例的 3D 边界框和每个实例的点级掩码。实验表明，相比现有方法，该方法不仅在 ScanNet 和 S3DIS 数据集上的表现更优，而且计算效率提高了约 10 倍，并且该算法的设计是有效的。

    Jun, 2019

  • 双向投影网络用于跨维度场景理解

    提出一种双向投影网络（BPNet），它包括 2D 和 3D 子网络，通过双向投影模块允许这两个视觉领域之间的互动，实现更好的场景识别。该算法在 2D 和 3D 语义分割方面，取得了 ScanNetV2 基准的最佳性能。

    Mar, 2021

  • 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

  • BiPointNet: 针对点云的二元神经网络

    本文提出了一种针对点云运算的模型二值化方法 BiPointNet，该方法引入了 Entropy-Maximizing Aggregation 和 Layer-wise Scale Recovery 来解决聚合引起的特征同质化和尺度失真问题，并在多个基本任务和主流骨干网络上实现了显著的改善，且在实际应用中取得了显著的性能提升效果，包括 14.7 倍的加速和 18.9 倍的存储节省。

    Oct, 2020

  • 三维点云的几何基元有监督拟合

    本文提出一种神经网络模型（Supervised Primitive Fitting Network），此模型可以不需要用户干预就能够探测并鲁棒地拟合不同尺度和数量的几何体。相比于已有的 RANSAC-based 方法，该模型在测试中表现更好。

    Nov, 2018

  • 基于非参数贝叶斯推断的基元形状抽象

    本文提出了一种非参数贝叶斯统计方法用于从点云中推断抽象的三维形状，包括未知数量的基本几何基元，并展示了该方法的实验结果比现有方法更准确且具有普适性。

    Mar, 2022

  • ParSeNet: 用于 3D 点云的参数曲面拟合网络

    该研究提出了一种称为 ParSeNet 的新型端到端可训练深度网络，该网络将 3D 点云分解为参数化表面补丁，包括 B 样条补丁以及基本几何图元。

    Mar, 2020

  • 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