point cloud learning | BriefGPT

关键词point cloud learning

搜索结果 - 14

PointRWKV：高效的 Hierarchical Point Cloud Learning 模型
PointRWKV 是一种基于 RWKV 模型的线性复杂度模型，用于点云学习任务，通过全局处理和并行分支编码有效提取点云的几何特征，具有多尺度特征学习能力，在各种点云学习任务中表现出色且节约计算资源。
PDFa month ago
Mamba3D：基于状态空间模型增强 3D 点云分析的本地特征
通过引入局部几何特征提取机制和双向状态空间模型（bi-SSM），Mamba3D 模型在点云学习中取得了超过 Transformer 的卓越性能、高效性和可扩展性，在多个任务中超越同类模型和并行研究，包括在 ScanObjectNN 任务中从
PDF2 months ago
AVS-Net：3D 点云分析中的自适应体素尺寸点采样
本研究旨在提出一种高效的下采样方法，该方法利用基于体素的采样技术，并通过自适应调整体素大小和保留关键的几何线索来提高采样的准确性和效率。通过在 ShapeNetPart 和 ScanNet 基准测试上进行实验，我们的方法在准确性和效率方面均
PDF4 months ago
AAAI语言辅助的 3D 场景理解
提出了一种通过语言辅助的方法来学习点云特征，使用 LMMs 文本丰富语义概念，通过基于统计的显著特征选择实现去冗余和降低特征维度，进一步分析了文本对点云的对比训练的影响，实验证实所提出的方法在三维语义分割、三维物体检测和三维场景分类任务中学
PDF6 months ago
三维点云的标签高效深度学习调研
本文首次综述了基于标注效率的点云数据学习，并提出了基于不同类型标签提供的数据前提条件组织标注效率学习方法。该文分类了四种典型的降低点云标注成本的方法：数据增强、域迁移学习、弱监督学习和预训练基础模型，并对这些方法进行了广泛的文献综述。同时，
PDFa year ago
GTNet：用于 3D 点云分类和语义分割的图形变换网络
该研究提出了一个名为 Graph Transformer 的新特征提取模块，它能够在局部和全局模式下学习点云特征。该模块将基于图形和变压器的方法的优点相结合，并包括局部变换器和全局变换器模块。在此基础上，构建了一个 3D 点云网络 GTNe
PDFa year ago
基于点云的三维深度学习 VTPNet
本文提出了一种 Voxel-Transformer-Point（VTP）块，结合了体素法，基于点的 Transformer 法和基于点的方法，分别从粗粒度、局部和全局角度提取点云的特征，并使用其构建 VTPNet 用于 3D 点云学习，在多
PDFa year ago
ECCVFBNet: 适用于点云补全的反馈网络
本文提出了一种新的反馈网络（FBNet）用于点云完整性修复，通过用细粒度特征改进粗略形状的生成，并利用交叉注意力策略来修正现有的特征。在多个数据集上进行的定量和定性实验表明，FBNet 在点云修复任务上的性能比现有最先进的方法更优。
PDF2 years ago
自监督点云学习的遮盖表面预测
本研究提出一种名为 Masked Surfel Prediction 的方法，首次将局部几何信息显式考虑到遮罩自编码中，以预测替代遮罩部分的 surfels 的位置和朝向，并使用 Chamfer 距离和一种新的位置索引法来进行监督学习，在六
PDF2 years ago
PatchFormer：一种具有补丁注意力的高效点变换器
在点云学习领域中，由于 Transformer 模型生成的注意力矩阵具有输入规模的平方复杂度，因此本文提出了一种采用自适应方式学习较小基础上的基础并通过它们的带权求和来计算注意力矩阵的方法 (PAT)，并借助于轻量级的多尺度注意力块（MST
PDF3 years ago
CVPR时间点云网络用于运动预测
本文介绍了一种新型的灵活的框架 ——Temporal Point Cloud Networks (TPCN)，该框架采用联合的空间和时间学习用于轨迹预测，并将轨迹预测分为空间和时间两个维度。该方法采用点云学习技术模拟智能体的位置，运用动态时
PDF3 years ago
CVPRPWCLO-Net: 使用分层嵌入掩码优化进行三维点云深度 LiDAR 里程计
本文提出了一种名为 PWCLO-Net 的新颖的三维点云学习模型，用于深度 LiDAR 计算机视觉里程计，通过构建具有金字塔、翘曲和成本卷积（PWC）结构的模型，以逐渐精细的方法细化估计的姿态，建立一个关注成本卷积的、可训练的嵌入层，用以关
PDF4 years ago
3D 点云的深度学习：概述
本文综述了近期 point cloud learning 领域深度学习方法在 3D 形状分类、3D 物体检测与跟踪、3D 点云分割三大任务中的最新进展及其对公共数据集的比较结果，并提出了可启发未来研究的深刻见解和方向。
PDF5 years ago
快速可扩展的点云学习 Grid-GCN
本文提出了名为 Grid-GCN 的方法，用于快速和可扩展的点云学习。Grid-GCN 使用一种新颖的数据结构策略，Coverage-Aware Grid Query（CAGQ），通过利用网格空间的效率，提高了空间覆盖范围，同时减少了理论时
PDF5 years ago