cad models | BriefGPT - AI 论文速递

关键词cad models

搜索结果 - 27

Vid2CAD: 使用视频的多视角约束进行 CAD 模型对齐
该研究在处理 CAD 模型和多个物体出现在视频场景中的对齐问题中，提出一种基于神经网络和多视角约束的方法，自动恢复每个物体的九自由度姿态参数，提高物体的位姿参数估计精度，重建单个 CAD 表征的场景，与现有单帧方法进行比对，在 Scan2C
PDF4 years ago
利用本地表面嵌入技术在彩色图像中实现未知物体的三维目标检测和姿态估计
该研究提出了一种结合了深度学习和三维几何的方法，利用未带纹理的 CAD 模型和不需要针对新对象进行训练的方法，检测和估计图像中物体的 3D 姿态，并利用 Mask-RCNN 实现无需重新训练的对象检测，从而限制可能的对应关系数量。实验结果表
PDF4 years ago
3D 扫描中的端到端 CAD 模型检索和 9DoF 对齐
一个新的端到端方法可以将嘈杂，不完整的三维扫描转换为干净，完整的物体几何，通过对齐 CAD 模型并在对称感知稠密对象对应预测配对的 Procrustes 坐标系改进，该方法可以单次前向传递地将 CAD 模型与扫描的对象对齐，比以前的数据驱动
PDF5 years ago
CVPR基于学习的 ICP 场景重构
使用深度传感器在房间中捕获对象的 3D 模型，采用基于深度强化学习的学习式 ICP 方法对 CAD 模型进行对齐，优于先前文献中的 ICP 方法，能够在实际场景中实现高质量结果的对象对齐。
PDF6 years ago
Scan2Mesh: 从非结构化的范围扫描到 3D 网格
Scan2Mesh 是一种基于数据驱动的生成方法，其通过神经网络实现将非结构化和可能不完整的 3D 扫描转换成结构化的 3D 网格表示，并生成了类似于手工建模软件创建的 CAD 模型的网格表示。
PDF6 years ago
ICCV学习本地 RGB-CAD 对应关系用于物体姿态估计
本文介绍了一种用于三维目标姿态估计的新方法，将 RGB 图像与 CAD 模型匹配以实现目标姿态估计，通过学习选择关键点并保持视角和模态不变性的目标，消除了对昂贵的三维姿态注释的需求，并通过大量实验证明了该方法能够可靠地估计 RGB 图像中的
PDF6 years ago
从 3D 模型学习深度物体检测器
通过增加合成训练数据，使得含有 3D CAD 模型的深度卷积神经网络（DCNN）训练数据可以更好地适应目标领域，本文详细分析了在没有低级线索（纹理，姿态和背景）的情况下 DCNN 的学习能力，并表明我们的合成 DCNN 训练方法在几乎没有真
PDF10 years ago