point cloud data | BriefGPT

关键词point cloud data

搜索结果 - 61

遮蔽的生成提取器：点云的协同表征与 3D 生成
2D 图像生成建模，表示学习，Point-MAGE，点云数据，神经场表示。
PDF7 days ago
基于深度学习的三维实例与语义分割：一份综述
该研究主要讨论了基于深度学习的三维分割在点云数据处理中的应用，并评估了不同分割算法对不同数据集的竞争力以及最常使用的处理流程、其优势、限制、未来研究方向等。
PDF13 days ago
基于语义标记的点云数据自动道路数字孪生的扫描至 BIM
提出了一种基于语义标注的点云数据的自动道路几何数字孪生（gDT）创建方法，该方法首先将语义点云数据分割为独立实例或部分，然后提取代表性的几何信息，最后通过相应的转换算法创建基本的 gDT，提供了较高的精度和处理速度。
PDF14 days ago
点云数据插值上的超图 p-Laplace 正则化
探索了超图结构在不包含显式结构信息的点云数据插值中的优势，并证明了超图 $p$-Laplacian 正则化与连续型 $p$-Laplacian 正则化的变分一致性，利用随机原始 - 对偶混合梯度算法解决了凸但不可微的大规模优化问题，并通过数
PDF2 months ago
SSF3D：基于切换滤波器的严格半监督三维物体检测
SSF3D 改进了面向点云数据的半监督 3D 目标检测（SS3DOD）框架，通过应用严格的阈值和过滤器切换机制来提高性能。
PDF3 months ago
VRHCF：基于体素表示和层次对应过滤的跨源点云配准
基于球形体素的特征表示和分层对应筛选的点云配准方法适用于同质和异质数据，能有效应对不同密度和分布的点云数据，滤出高质量对应点，实现了多领域点云配准。
PDF4 months ago
DrFER：学习面部表情三维识别的解耦表示
创新的 DrFER 方法在 3D 人脸领域引入了概念上的解缠表示学习方法，通过使用双分支框架，有效地将表情信息与身份信息解耦，并通过重新配置损失函数和网络结构适应于点云数据，从而提高了框架在识别面部表情方面的能力，即使在涉及不同头部姿势的情
PDF4 months ago
基于点云网络的快速简单可解释性
我们提出了一种快速简单的解释型 AI (XAI) 方法，用于点云数据。通过计算针对训练网络的点级重要性，可以更好地理解网络属性，这对于安全关键应用至关重要。除了调试和可视化外，我们的低计算复杂性还有助于在线反馈网络推断。这可以用于减少不确定
PDF4 months ago
可扩展的人机点云压缩
我们提出了一种专门为机器任务而设计的可扩展点云数据编解码器，基于 PointNet++ 的架构，并在 ModelNet40 数据集上进行了测试，显示了与之前的非专用编解码器相比显著的改进。
PDF4 months ago
通过解耦优化进行大规模点云语义分割的类别不平衡半监督学习
我们介绍了一种新的解耦优化框架，通过交替优化方式解决了现有基于半监督学习的方法中存在的严重训练偏差问题，主要是由于类别不平衡和点云数据的长尾分布导致了尾部类别分割的偏置预测。
PDF6 months ago
基于 RandLA-Net 的迁移学习的点云分割在城市区域的案例研究
本文通过应用先进的神经网络体系结构 RandLA-Net 对城市大规模点云数据进行三维分割，研究了城市环境中点云数据的分割性能。通过转移学习技术和类别映射实现了对特定城市区域的准确分割，实验结果表明该方法在三维点云分割中取得了 80% 以上
PDF6 months ago
SimMining-3D：基于高度感知的复杂矿山环境中的三维物体检测：新颖数据集和基于 ROS 的自动标注管道
这篇论文介绍了一种用于挖掘行业中 3D 目标检测的合成数据集，该数据集通过 ROS 接口实现自动注释，通过高度和高度变化增强来提高准确性和可靠性。
PDF7 months ago
基于改进的 DPC 算法的点云数据中分割线的自动提取和三维重建
提出了一种点云数据分割改进问题的自动分开和三维重建方法，使用 DPC 算法计算点云数据的相对坐标，开发基于集成的 DPC 群算法分析分割线的数量并拟合每个分隔符，以实现点云数据的清晰分割和 0.45 米的分割间距。
PDF8 months ago
通过超参数调整改进 ONCE 基准
这项研究聚焦于半监督学习方法在点云数据中的评估，以应对自动驾驶、机器人技术和增强现实等领域对 3D 物体检测的不断增长需求。结果表明，单纯的超参数调整与监督模型的结合能够在 ONCE 数据集上达到最先进的性能，而未标注数据对模型改进的贡献似
PDF8 months ago
ICLR基于 SAM 指导的无监督领域适应用于 3D 分割
本研究提出了一种基于图像与点云的混合特征增强方法，通过利用 SAM 模型在三维领域中的普适性能力，解决了未标注域适应中的领域差异问题，并在三维分割任务中取得了最新的研究进展。
PDF9 months ago
自监督预训练提升激光雷达数据的语义场景分割
通过使用 Barlow Twins 训练自监督编码器进行预训练，我们提出了一种技术来从未标记的数据中学习，从而显著减少注释样本的数量，并在语义场景分割任务中应用。实验结果表明，我们的无监督预训练在有监督任务上进行微调后可提高性能，特别是对于
PDF10 months ago
MM学习的点云压缩用于分类
基于 PointNet 的新型点云编解码器，在机器任务分类中实现了更好的速率 - 准确性平衡，相对于非专用编解码器在 ModelNet40 数据集上达到了 94% 的降低 BD 比特率。对于低资源终端设备，我们提出了两种轻量级编码器配置，在
PDFa year ago
ICCVSC3K: 自监督的、一致性的 3D 关键点估计方法，适用于旋转、噪声和降采样的点云数据
提出了一种新方法来从噪声、降采样和任意旋转的实际场景中对任意对象类别进行关键点推断的方法，该方法是完全无监督的，关键点位置误差低，对点云数据扰动具有弹性，关键点保持其索引的语义一致性，且靠近点云数据表面，并在对象的三维形状下游任务中具有改进
PDFa year ago
高维细胞数据的流艺术家
在这篇研究中，我们介绍了一种名为 FlowArtist 的神经网络，它能够同时学习点云数据的嵌入和点周围的速度场，从而更好地分离和可视化速度相关的结构。通过在嵌入过程中利用坐标和速度信息，FlowArtist 能够有效地嵌入和展示高维度的数
PDFa year ago
旋转不变的随机特征为 3D 点云上的机器学习提供一个强大的基准
使用随机特征方法学习三维点云数据的旋转不变函数，达到与通用旋转不变神经网络相匹配或超过分子性质预测和形状分类任务性能的方法，同时比竞争的核方法具有数量级更小的预测延迟。
PDFa year ago