关键词3d scene flow estimation
搜索结果 - 5
- CVPR基于局部刚性先验的自监督三维场景流估计和运动预测
本文研究了基于自监督学习的点云中的 3D 场景流估计和无类别运动预测,通过分片刚性运动估计生成伪场景流标签进行自监督学习,实验证明该方法在自监督场景流学习方面取得了新的最先进性能,并在 nuScenes 数据集上显着优于之前最先进的自监督方 - CVPR由超点引导的无监督 3D 场景流估计
本文提出了一种基于可动态更新超级点的 3D 场景流估计框架,该框架结合超级点生成模块和超级点导向流细化模块,通过流提导超级点的生成和可适应聚合超级点级流来重建点的流,并将一致性编码和重建流输入 GRU 以细化点级流,实现了对复杂 3D 场景 - ECCV3D 场景流网络的关键要素
作者提出了一种新的全对全 (SOTA) 流嵌入层,具有向后可靠性验证并解决了同时考虑局部和全局与前后方向点云的三维场景流估计问题,在 FlyingThings3D 和 KITTI 场景流数据集上表现出至少 38.2%和 24.7%的 SOT - 基于遮挡引导的自监督三维点云场景流量估计
本文提出了一种新的自监督训练方法和架构,实现了三维场景流估计,优于传统的结构,包括多层融合技术在内的智能方法。研究结果在 Flyingthings3D 和 KITTI 数据集上均获得了监督和自监督训练的最新成果。
- CVPR基于遮挡引导的 3D 点云场景流估计
本文介绍了一种新的 3D 场景流估计架构 OGSF-Net,它能够更准确地预测空间流,并在 Flyingthings3D 和 KITTI 等关键数据集中达到最先进的结果,是首个在点云上估计 3D 场景流的架构。