point cloud sequences | BriefGPT

关键词point cloud sequences

搜索结果 - 10

ECCV让其流动：3D 流动和物体聚类的同时优化
我们研究了从真实大规模原始点云序列中自监督估计 3D 场景流的问题，该问题对于轨迹预测或实例分割等各种任务至关重要。我们提出了一种新颖的聚类方法，允许组合重叠的软聚类和非重叠的刚性聚类表示。我们的方法在多个具有 LiDAR 点云的数据集上进
PDF3 months ago
Motion2VecSets: 4D 潜在向量集扩散用于非刚性形状重建与跟踪
我们介绍了 Motion2VecSets，这是一种用于动态表面重建的四维扩散模型，通过点云序列。我们通过迭代去噪的压缩潜在表示过程，明确学习非刚性物体的形状和运动分布，从而使得在处理模糊的输入时，扩散先验模型能够实现更可信和概率化的重建效果
PDF6 months ago
AGAR: 自适应运动预测的注意力图循环神经网络对变形物体的点云
该研究论文侧重于点云序列的运动预测，特别在可变形的三维物体（如人体运动）的挑战性情况下进行研究。通过研究可变形形状和复杂运动在该类型中的存在的挑战，本文提出了一种改进的点云预测框架，采用了基于图的方法来学习和利用点云的空间结构以提取更具代表
PDFa year ago
CVPR基于运动引导的序列融合技术用于点云序列的高效三维物体检测
本文提出了一种基于运动引导的序列融合（MSF）方法，通过利用物体的运动连续性来挖掘有用的序列上下文，结合双向特征聚合（BiFA）模块和基于体素采样的点云池化技术，使得数百万个点能够在几毫秒内被处理，实现了比其他多帧检测器更好的效率和领先的准
PDFa year ago
AAAIMGTANet：使用长短期运动引导时间注意力编码顺序 LiDAR 点以进行 3D 物体检测
本文提出了一种新的三维物体检测结构，该结构可以编码由多个连续扫描获取的 LiDAR 点云序列，并利用时空上下文实现较大的性能提升。通过短期运动感知体素编码和长期运动指导俯视图特征增强，可以对点云序列进行编码处理，结果显示，与基线方法相比，该
PDF2 years ago
ICLRPSTNet: 点云序列上的点空间时卷积
提出了一种名为点时空（PST）卷积的方法，可以用于点云序列的空间 - 时间建模，该方法首先分离点云序列的空间和时间维度，然后采用空间卷积和时间卷积分别捕捉点在三维空间中的局部结构和在时间维度上的动态变化，并将 PST 卷积集成到深度网络 P
PDF2 years ago
ECCVMPPNet：使用代理点进行多帧特征交错的 3D 时间物体检测
本文介绍了一种名为 MPPNet 的高性能 3D 检测框架，它采用三级多帧特征编码和交互体系结构，其中采用了代理点作为每个帧的一致对象表示，并在 Waymo Open 数据集上实现了较大优势的表现。
PDF2 years ago
从点云序列学习场景动态
提出了一个新问题 -- 顺序场景流估计（SSFE），旨在从给定序列中估计所有点云对的三维场景流。引入 SPCM-Net 架构来解决该问题，利用时间和空间的多尺度相互关系以及顺序不变的循环单元来聚合关联。通过实验验证表明，与仅使用两个帧相比，
PDF3 years ago
ICCVCAPTRA: 基于点云的刚体和关节物体类别级位姿跟踪
该论文提出了一个统一的框架来处理品类、实例以及部位的姿态追踪问题，其中 9DoF 姿态表示通过 3D 错套边框实现。通过三个模块的组合提高 9DoF 姿态的精度达到了最优，成为了该领域的新的最优实践方法。
PDF3 years ago
ICCVMeteorNet：动态 3D 点云序列上的深度学习
本文提出了一种名为 MeteorNet 的神经网络结构，用于学习动态 3D 点云序列的表示，该网络直接处理点云序列并构建了两种构建时空邻域的方法，表现优于传统基于网格的方法且达到了先进水平。这是深度学习方面对于动态原始点云序列的首次研究。
PDF5 years ago