octree | BriefGPT - AI 论文速递

关键词octree

搜索结果 - 7

MM用神经网络对点云的八叉树表示进行编码的概率建模
本文提出了一种新型的无损点云压缩算法，采用神经网络来估计体素的编码概率，通过表示为八叉树，以从低分辨率开始，逐层编解码的方式来占据状态，并利用神经网络对占据状态进行建模，具有快速和慢速版本，并在基准数据集上取得了最新成果。
PDF3 years ago
CVPR基于八叉树的点云压缩框架：VoxelContext-Net
提出了 VoxelContext-Net 两阶段深度学习框架，利用体素和八叉树方法对静态和动态点云进行压缩，使用体素环境压缩八叉树结构数据，通过熵编码来压缩非叶节点符号的深度熵模型。
PDF3 years ago
CVPROctSqueeze: 基于八叉树结构的激光雷达熵编码模型
本论文提出了一种新颖的深度压缩算法，通过将 LiDAR 点云编码为八叉树，并设计一种以树结构为基础的条件熵模型，来减少点云数据的储存空间。实验证明该方法在保证重建质量的同时，将比特率降低了 10-20%，并在下游 3D 分割和检测任务中表现
PDF4 years ago
CVPRSSRNet: 可扩展的三维表面重建网络
本文提出一种基于学习的方法 (SSRNet) 用于大规模点云的曲面重构，该方法具备可伸缩性、较高的预测精度和泛化能力，仅需要几个曲面数据进行训练，且与现有学习方法相比在处理大型点云数据方面具有突破性进展。
PDF5 years ago
CVPR基于球形卷积核的八叉树引导的 3D 点云 CNN
本文提出了一种基于八叉树引导的神经网络结构和球形卷积核来进行任意 3D 点云的机器学习。该网络架构充分利用了不规则点云的稀疏性，并通过空间划分分层粗化数据表示。同时，该提议的球形核有系统地量化点邻域，以识别数据中的局部几何结构，同时保持平移
PDF5 years ago
自适应 O-CNN：基于块的三维形状深度表示
提出了一种自适应八叉树卷积神经网络（Adaptive O-CNN），用于高效的三维形状编码和解码，通过不同于体素或八叉树方法以相同分辨率表示三维形状的方式，Adaptive O-CNN 在不同级别使用八分之一的八叉树表示，并在每个八叉树的八
PDF6 years ago
适用于 ShapeNet 模型的稳健无漏孔面生成方法
本文介绍了一种稳健的算法，用于生成各种 ShapeNet 模型的 2 流形。通过使用八叉树来表示原始网格，构建曲面并将顶点投影回原始网格，以实现高精度。
PDF6 years ago