3d point clouds | BriefGPT - AI 论文速递

关键词3d point clouds

搜索结果 - 146

PointACL: 对抗对比学习用于抵抗对抗攻击的鲁棒点云表征
本文提出了一种新的方法，在对比学习框架中利用未投影特征表示进行虚拟对抗损失生成高质量 3D 对抗样本，提出了一个稳健感知损失函数来通过对抗方式训练自我监督对比学习框架，并发现使用 Difference of Normal（DoN）操作器选择
PDF2 years ago
SeRP: 使用扰动点云的自监督表示学习
该论文提出了一个名为 SeRP 的框架，用于自监督 3D 点云学习，其中包括编码器 - 解码器架构，可以接受输入的扰动或损坏的点云，并旨在在没有损坏的情况下重构原始点云，使用了 Transformers 和 PointNet-based 自
PDF2 years ago
CVPRGraVoS: 用于 3D 点云检测的体素选择
本文提出一种新的、针对 3D 物体检测的方法，该方法通过选择有意义的体素来解决数据集不平衡问题和不同网络依赖问题，达到提高检测性能的目的。
PDF2 years ago
GraphFit: 学习多尺度图卷积表示用于点云法向估计
本文提出了一种精确高效的方法，用于处理非结构化三维点云上的噪声与非均匀密度，并通过图卷积特征表示学习局部邻域几何信息进行法向量估计，设计了基于注意力机制的自适应模块，进一步增强了法向估计器对点密度变化的鲁棒性，并引入多尺度结构提取图块来学习
PDF2 years ago
E2PN: 高效的 SE (3) 等变点网络
本文提出了一个用于学习来自 3D 点云的 SE (3)- 等变特征的卷积结构。它将 KPConv（一种广泛用于处理点云数据的卷积形式）视为等变版本。通过组合群卷积和商表示，我们实现了一个简单，轻量级，快速的设计，能与现有的任务特定点云学习管
PDF2 years ago
Point-M2AE：基于多尺度掩码自编码器的分层点云预训练
提出 Point-M2AE，一种新的多层次自监督学习框架，用于使用 Masked Autoencoders 预训练 3D 点云的分层表示学习，其具有优越的性能并超过了其他完全训练的方法。
PDF2 years ago
设计对称神经网络处理三维点云
该研究旨在通过引入群等变性，提高当前用于 3D 点云的神经网络的泛化和鲁棒性。在实验中，该方法表现出比其他群等变模型更优越的性能，且具有较低的复杂度和 GPU 内存占用，提升了诸如物体分类和语义分割等任务的性能。
PDF2 years ago
IJCAI基于空间导向的点云 3D 密集描述 Transformer
该研究提出了一种基于 transformer 的 encoder-decoder 结构的 3D 密集描述方法，包含相对空间感知机制，可以精准地为 3D 场景中的每个场景对象实现目标检测和自然语言描述生成。在两个基准数据集 ScanRefer
PDF2 years ago
CVPR利用表面先验重建稀疏点云的表面
通过在表面上使用先验信息，使用神经网络从稀疏的 3D 点云中精确地重建表面，方法无需事先获取签名距离或点法向量，实现了最优的重建精度。
PDF2 years ago
ECCVRFNet-4D: 从 4D 点云中联合进行对象重建和流估计
本文提出了一种名为 RFNet-4D 的新型网络架构，可以通过学习空间和时间特征从 4D 点云序列中同时重建物体和其运动流，并使用无监督学习方法进行流估计，通过监督学习重建空间结构，实验结果表明，在训练和推理方面比现有方法更快，并在流估计和
PDF2 years ago
RIConv++：针对 3D 点云深度学习的有效旋转不变卷积
本文提出一种简单且有效的卷积算子，通过设计强大的旋转不变特征来增强特征描绘能力，实现旋转不变性，并在真实和合成的点云分类、部分分割和形状检索实验中取得了挑战性旋转下的最先进精度。
PDF2 years ago
使用深度几何描述符在 3D 点云中进行异常检测
提出了一种用于高分辨率三维点云的无监督检测几何异常的新方法，该方法将学生 - 教师异常检测框架适应到三维领域，并利用一种自监督预训练策略构建具有表达能力的教师网络，实现局部几何描述符的提取，实验结果表明该方法在性能、运行时间和内存消耗等方面
PDF2 years ago
CVPR快速点变换器
本文介绍了一种基于 Fast Point Transformer 的新型轻量级自我关注层的方法，用于对大型 3D 场景进行处理和提高计算效率，并应用于 3D 语义分割和 3D 检测，具有与基于体素的最佳方法相竞争的准确性和比 Point T
PDF3 years ago
彩色三维点云感知质量评估
本文介绍了一种新的基于信息内容加权结构相似性的 3D 点云质量评估方法及其数据库，实验结果表明该方法在预测主观质量评分方面表现优异，具有较高的再现性。
PDF3 years ago
基于视角瓶颈的点级监督三维场景解析
本文提出一个自监督的三维表示学习框架，名为视角瓶颈，通过在不同视角下点云上应用基于互信息的目标函数进行优化，以学习极度稀疏标签的模型，该方法不同于过去的对比学习方法，具有易于实现和调整、无需负样本、在下游任务上表现更好等优点，并在公共基准
PDF3 years ago
ICCV一种用于 3D 物体检测的端到端 Transformer 模型
3DETR 是一种基于 Transformer 的端到端目标检测模型，适用于 3D 点云，相较于现有的检测方法，它需要最少的修改，可以通过将 3D 领域知识整合进去得到进一步的改进，在 ScanNetV2 数据集上，相比于 VoteNet
PDF3 years ago
ICCV3D 点云时空自监督表示学习
本文介绍了一种利用自监督学习学习无标签 3D 点云的时空表示学习 (STRL) 框架，通过从 3D 数据中获得富含的时空线索来应对 3D 情景理解任务中预训练模型泛化性差的困境，实验证明该方法能显著提高 3D 点云中的表示学习性能。
PDF3 years ago
ICCV点云分析的自适应图卷积
本文提出了 Adaptive Graph Convolution (AdaptConv) 来生成自适应的核，以动态地学习点云的特征，从而以灵活、精确地捕捉不同语义部分点之间的多样关系的方式，改善了基于点云的卷积操作的适应能力，并且在几个基准
PDF3 years ago
ICCV通过二维投影匹配无监督生成 3D 点云的细节结构
提出了一种无监督方法来生成带有细微结构的 3D 点云，使用自适应采样来不规则地采样 2D 轮廓图像中的点，从而解决不同视角采样的一致性问题，使用 2D 投影匹配方法和深度神经网络，学习精确的结构信息，从而使其能够恢复细节丰富的 3D 结构，
PDF3 years ago
使用随机采样学习大规模点云的语义分割
本研究旨在提出一种减少计算量、以大规模点云直接推断每个点的语意的神经架构，该方法采用随机采样而非较复杂的点选择方法，然后配备一种新的局部特征汇聚模块以生成具有准确语意的结果，演示数据表明我们的方法具有比现有方法高 200 倍的速度和最先进的
PDF3 years ago