3d recognition | BriefGPT - AI 论文速递

关键词3d recognition

搜索结果 - 8

CVPROA-CNNs: 三维语义分割的全能自适应稀疏卷积神经网络
通过提出自适应感受野和自适应关系两个核心组件，我们发现在保持计算成本最小的前提下，纯稀疏卷积神经网络在室内外场景中的准确性方面优于点云变换网络，且速度至少有 5 倍之多的提升。这一发现突显了纯稀疏卷积神经网络超越变换网络的潜力。
PDF3 months ago
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。
PDF9 months ago
AAAIPointCA: 对抗样本下评估 3D 点云补全模型的鲁棒性
本文提出了 PointCA，一种针对三维点云完形模型的对抗攻击方法，在考虑几何空间和特征空间的情况下定制扰动约束，令对抗点云的几何智能和分布自适应性得到提高。通过对不同点云完成网络的广泛实验，表明了 PointCA 攻击使得性能降低了约 6
PDF2 years ago
PointCLIP: 基于 CLIP 的点云理解
本文基于 Contrastive Vision-Language Pre-training (CLIP) 提出了一种对应 PointCloud 数据和 3D 文本分类的零样本和小样本学习模型 PointCLIP，并通过在 ModelNet1
PDF3 years ago
多模态虚拟点 3D 检测
通过无缝融合 RGB 传感器到 Lidar 的 3D 识别中，我们提出了一个简单而有效的多模态检测器，该方法利用一组 2D 检测生成密集的虚拟 3D 点，能够增强原来稀疏的 3D 点云，实验结果在大规模 nuScenes 数据集上取得了显着
PDF3 years ago
CVPR没有空间标记的 3D 空间识别
WyPR 是一种仅需要场景级别标签作为监督的弱监督点云识别框架，可联合解决点级语义分割、3D 建议生成和 3D 目标检测等三个核心任务，通过自身和跨任务一致性损失耦合它们的预测。在多实例学习目标的辅助下，WyPR 能在训练时不需要访问任何空
PDF3 years ago
任意点云的自监督 3D 特征预训练
该研究提出了一种可用于 3D 数据的简单自监督预训练方法，在目标检测、语义分割和物体分类等方面取得了最先进的结果并提高了少样本类别的性能。
PDF3 years ago
学习 3D 点云的表示和生成模型
该论文探讨了点云作为表示几何数据的方法，利用深度自编码器网络来提高 3D 识别及形状编辑的表现，并对不同的生成模型进行了研究，发现在 AE 的潜在空间中训练的高斯混合模型具有最佳的生成效果。
PDF7 years ago