point cloud | BriefGPT - AI 论文速递

关键词point cloud

搜索结果 - 245

自主驾驶的户外激光雷达感知质量评估指导影像
本研究提出了一种新颖的基于图像引导的室外点云质量评估算法（IGO-PQA），该算法利用点云数据、对应的 RGB 环境图像和车辆目标真值注释生成基于单帧 LiDAR 点云的整体质量得分，并通过变换器实现无参考室外点云质量评估的直接预测。评估结
PDF5 days ago
点云法线估计的非对称孪生网络
通过应用合理的约束条件，我们在干净点云和有噪点云上学习得到的内在特征的一致性，提出了一种改进正常估计质量的方法，并引入一个包含不同噪声级别的多视角正常估计数据集，通过评估现有方法在该数据集上的表现发现其过拟合问题，持久实验证明了我们的特征约
PDF16 days ago
CVPR激光雷达点的自动词汇分割
自动驾驶中现有的感知方法无法识别训练数据中未覆盖的未知实体。开放词汇方法能够检测任何目标，但受限于用户指定的查询代表目标类别。我们提出了 AutoVoc3D，一种用于自动目标类别识别和开放式分割的框架。在 nuScenes 中的评估显示了
PDF17 days ago
位到光子：直接渲染的端到端学习可扩展点云压缩
我们提出了一种点云压缩方案，通过生成可直接解码为可渲染的 3D 高斯图像的比特流来解决从有损压缩的点云中解码和渲染高质量图像的问题。该方案显著提高了渲染质量，同时大幅度降低了解码和渲染时间，相比现有的点云压缩方法。此外，该方案生成可扩展的比
PDF21 days ago
CVPRFAPNet：一种高效的频率自适应基于点的眼动追踪器
利用点云作为事件表示来利用眼动任务中事件的高时间分辨率和稀疏特性，重新思考基于点的架构 PEPNet 并引入长期样本关系预处理的创新设计 FAPNet，以实现自适应跟踪和利用样本之间的时间相关性的频适应机制。在 SEET 合成数据集上，FA
PDF25 days ago
多类型点云自编码器：适用于分子构象和姿态的完全等变嵌入
基于点云的分子 O (3) 编码网络（Mo3ENet）：一种新的自编码器用于多类型点云，具有全局 3D 姿态，通过高斯混合表示的重建损失函数训练及评估，可用于向量分子属性预测和其他 3D 分子姿态相关任务。
PDFa month ago
重新思考面向事件相机的高效有效的基于点的网络：EventMamba
EventMamba 是一个高效和有效的点云框架，通过优化网络结构实现了对时间信息的提取，并在分类和回归任务中表现出与基于帧的方法相媲美的结果，同时具有轻量级设计原则，实现了卓越的效率和效果。
PDF2 months ago
点云压缩框架：智能交通系统中路侧激光雷达的点云压缩
面向道路激光雷达的点云压缩方法 PointCompress3D，实现了高效的数据存储、流媒体传输和实时物体检测，优化了压缩性能并保持与原始数据的准确性和兼容性。
PDF2 months ago
点云模型提升机器学习机器人的视觉鲁棒性
通过对 RGB-D 和基于点云的视觉控制策略进行实验，我们发现明确编码点云的策略在可视条件变化下显著更加稳健，同时我们提出的点云世界模型（PCWM）在训练过程中大幅提升样本效率，这些结果表明通过点云对三维场景进行推理可以改善性能、缩短学习时
PDF2 months ago
无序点集上混合生成判别式的 PointNet
该研究提出了 GDPNet，这是第一个综合生成和判别的 PointNet 模型，扩展了 JEM 用于点云分类和生成，既保留了现代 PointNet 分类器的强大判别能力，又生成了与最先进的生成方法相媲美的点云样本。
PDF2 months ago
从稀疏点到稠密点云：通过有限的 LiDAR 数据增强 3D 检测
提出了一种结合单目和基于点云的三维检测的平衡方法，使用低成本、低分辨率的传感器获取仅有 512 个点，然后将这有限的三维信息与单张图像结合重建完整的三维点云，通过与多模态现成的三维检测器结合使用，使得三维检测的准确率相比于最新的单目检测方法
PDF3 months ago
INPC：用于辐射场渲染的隐式神经点云
我们介绍了一种新的方法，用于无界现实世界场景的重建和新视角合成。与以前使用体积场、基于网格的模型或离散点云代理的方法不同，我们提出了一种混合场景表示，它在连续的八叉树概率场和多分辨率哈希网格中隐式编码点云。通过这样做，我们结合了两个世界的优
PDF3 months ago
Pixel-GS: 使用像素感知梯度进行 3D 高斯喷洒的密度控制
提出了一种名为 Pixel-GS 的新方法，通过考虑每个视图中高斯函数覆盖的像素数量来计算增长条件，从而促进大型高斯函数的增长，实现了更精确、更详细的重构，同时保持实时渲染速度和最新的渲染质量。
PDF3 months ago
CVPR几何感知深度完整性的三视角视图分解
通过 Tri-Perspective view Decomposition (TPVD) 框架，该研究旨在解决自动驾驶中的深度完成任务，并且能够更准确地重建稀疏和嘈杂深度测量所对应的场景的精确 3D 几何形状。通过 TPVD 的分解和合并方
PDF3 months ago
CVPRDeCoTR: 用 2D 和 3D 注意力增强深度完成
通过使用 2D 和 3D 注意力，提出了一种新颖的方法，实现了高精度的深度完成，无需迭代空间传播，该方法在深度完成模型中应用 2D 特征和 3D 点云处理，从而达到了与基于变压器的模型相当的性能，并通过正规化技术和全局注意力改进了学习和准确
PDF3 months ago
ParaPoint: 学习 3D 点云的全局自由边界表面参数化
本文提出了 ParaPoint，一种无监督的神经学习管道，通过在不规则的三维点云上建立 3D 点与 2D UV 坐标之间的点对点映射，实现全局自由边界表面参数化。我们构建了几个具有特定功能的几何意义的子网络，并将它们组装成双向循环映射框架。
PDF4 months ago
基于事件的移动物体检测的联合时空推理
基于事件的移动目标检测中，提出了一种新的联合时空推理框架，通过运动补偿来识别移动目标，并从运动信任度和几何结构中有效地检测移动目标的最终区域。
PDF4 months ago
Point Mamba：基于状态空间模型的新型点云骨干网络与八叉树排序策略
提出了一种基于 SSM 的点云处理骨干网络 Point Mamba，具有因果感知的排序机制，在构建因果依赖关系方面采用基于八叉树的排序策略，通过全局排序点以 Z 序列并保留它们的空间接近度。与基于 transformer 的对应方法相比，我
PDF4 months ago
基于重建的点云采样方法: REPS
提出了一种基于重建评分策略的采样方法，通过去除和重建顶点来评估每个顶点的重要性。此方法在保留点云整体几何特征的同时避免破坏小尺度结构，在保留采样点云的结构特征方面优于先前方法。
PDF4 months ago
点云蟒蛇：基于状态空间模型的点云学习
本研究首次展示了基于 Mamba 的点云方法能够超越基于点的方法，Mamba 具备强大的全局建模能力和线性计算复杂度，对点云分析非常具有吸引力。为了更有效地处理 3D 点云数据，我们提出了一种新颖的一致遍历序列化方法，将点云转换为 1D 点
PDF4 months ago