point cloud data | BriefGPT

关键词point cloud data

搜索结果 - 61

Point2Point: 一种在希尔伯特排序点云上高效进行深度学习的框架，并在时空占据预测中应用
本文提出一种利用希尔伯特空间填充曲线作为本地保留的一维排序的方法表示点云，并引入 Point2Point 神经架构，能够有效地学习排序后的点云并在点云分割和生成任务上展示出有竞争力的性能，最后展示了在点云的时空占用预测上，Point2Poi
PDFa year ago
从点云数据中鲁棒估计曲面曲率信息
本文调查和评估了一些流行的算法曲率和法向量估计方法，并提出了一种新的鲁棒性曲率估计方法，并将其与现有方法进行评估，从而证明了其对于在数据噪声较大的情况下优于现有方法。
PDFa year ago
自监督学习用于预训练 3D 点云：综述
本研究综述了使用深度神经网络实现无监督点云表示学习的方法，解决在人工标注数据量有限的问题。研究挖掘了常用数据集和评估指标，提出了基于这些技术的自监督点云表示学习方法的广泛应用，并指出未来可能面临的挑战和潜在问题。
PDFa year ago
利用关节可见性进行神经人体拟合的通用性及对未见姿态的推广
本文介绍了一种将参数化人体模型适应于点云数据的新方法 ——ArtEq。通过使用基于部分的 SE（3）- 等变神经结构来完成 SMPL 模型对点云的估计，并通过对等变姿态回归模块进行改进来实现对训练过程之外的姿态的泛化能力的提升。在实验中，A
PDFa year ago
PointCAT：点云的交叉注意力变换器
本文提出了一种基于 Point Cross-Attention Transformer 的新型端到端网络结构，将多尺度特征通过两个不同的跨注意力变换器分支进行组合，并引入一种有效的形状分类模型，通过计算不同分支的单类标记与注意图来减少计算负
PDFa year ago
CVPRHS-Pose: 混合范围特征提取用于类别级目标姿态估计
本研究提出了一种名为 HS-layer 的简单网络结构，可以从点云数据中提取混合范围潜在特征，用于类别级对象姿态估计任务。使用 HS-layer 取代 GPV-Pose 基线方法中的 3D-GC 层，可以显著提高性能，在 5d2cm 指标上
PDFa year ago
CLR-GAM：基于引导增强和特征映射的对比点云学习
该文章介绍了一种基于对比学习的点云数据 3D 表征自监督学习框架，该框架具有引导的增强策略和引导的特征映射，可以有效地进行动态探索和结构特征关联，并在不同下游任务上实现了最先进的性能，包括三维点云分类、少样本学习和目标部分分割。
PDFa year ago
ICLR利用物理传感器观测基于图模型的网络模拟器校准
该论文提出一种结合实际感知信息的模型，利用点云数据预测可变形物体的网格状态，实现对物理模拟的准确长期预测，尤其是在存在未知物质属性等不确定性的情况下。
PDFa year ago
Edge Grasp Network: 基于图形 SE (3) 不变性的抓握检测方法
提出一种基于神经网络模型的新方法，对六自由度抓取姿态进行检测，能够更好地提高单视点云数据的抓取成功率。
PDF2 years ago
ICLR可解释的几何深度学习 —— 基于可学习的随机注入技术
本文介绍了可应用于科学分析和实验的一种通用机制 —— 可学习性随机注入（LRI），其基于通用几何深度学习（GDL）骨干结构构建 inherently interpretable 模型，LRI 诱导的模型可以检测到携带预测标签指示信息的点云数
PDF2 years ago
混杂空中 LiDAR 点云的目标分割
本文提出了一种基于深度学习的 LiDAR 点云数据目标检测和分割方法，采用了 PointNet 网络模型，成功实现了对各种形状复杂、点云分布不均匀的人工目标（如电力塔）的高效检测和分割。
PDF2 years ago
使用多视角渲染进行自监督学习的三维点云分析
通过多视图渲染三维数据，运用局部和全局两个层次的自监督方式进行神经网络的预训练来取得了优于 PointNet，DGCNN 和 SR-UNet 等现有方法的效果，并分析了合成和真实数据的优缺点。
PDF2 years ago
ECCVCoSMix：3D LiDAR 分割中的组合语义混合领域自适应
本文提出了一种新的点云无监督域自适应方法 --CoSMix，是第一个基于样本混合的点云分割 UDA 方法，使用标记的合成数据和真实世界无标签点云，在两个大规模数据集上表现优于现有技术。
PDF2 years ago
ECCV3D 实例作为 1D 核函数
该研究引入了一种三维实例表示方法 - 实例核，通过借鉴 2D/3D 实例分割中动态卷积的思想，使用一维向量编码三维实例的语义、位置和形状信息，以便于轻松的进行实例掩模推理，同时避免了标准的 3D 实例分割流水线中建议或启发式聚类算法的大量依
PDF2 years ago
ECCVMatchNorm: 学习点云识别技术用于 6D 物体位姿在真实环境中的估计
本文提出了一种新的 Match Normalization 的归一化策略和基于负对数似然的损失函数的应用，用于解决学习式 D 目标对应问题在实际数据集中面临的挑战，实验表明这两个方法能够在 TUD-L, LINEMOD 和 Occluded
PDF2 years ago
CVPRVoxel Set Transformer：一种从点云进行三维物体检测的集合 - 集合方法
本研究提出了一种名为 Voxel Set Transformer（VoxSeT）的基于体素的体系结构，以检测点云中的三维物体，并结合 Transformer 的高性能和体素模型的效率，有效地管理任意大小的体素化点簇并以线性复杂度并行地处理它
PDF2 years ago
ICCV通过结构简化实现高效的点云图神经网络
本文提出了使用轻量级的特征提取层来提高图神经网络模型的效率，从而能够在移动设备上高效地运行，同时实现了一定的性能提升和资源消耗降低。
PDF3 years ago
ICML使用简单有效的基准方法重新考虑点云形状分类
本文研究了处理点云数据的关键因素，发现诸如评估方案、数据增强策略和损失函数等辅助因素对性能产生了巨大影响，而 SimpleView 和 PointNet++ 在一些基准测试中表现出色。
PDF3 years ago
Temp-Frustum Net: 时序融合的三维物体检测
本研究提出了一种新颖的 Temporal Fusion 模块（TFM）用于三维物体的检测，它结合了先前时间步骤中的信息以减轻单帧噪声、场景视野阻塞和稀疏性对三维物体检测的影响，实验结果表明，相较于基线方法的帧间检测，我们在 KITTI 目标
PDF3 years ago
CVPR通过双边增强和自适应融合进行真实点云场景的语义分割
该研究关注于针对实际采集的大规模点云数据进行语义分割，并提出了一种自适应融合方法在点水平上进行准确的分割。
PDF3 years ago