- IJCAIAPR:通过点云重构进行在线远程点云配准
本文提出一种名为 APR 的新型特征提取框架,该框架利用自编码器设计重建了一个带有几个帧的密集聚合点云,从而提取具有丰富局部几何信息的特征进行在线的远程点云配准。实验结果表明,APR 较 KITTI 和 nuScenes 数据集上的其他特征 - 大规模神经影像学研究中,异质性临床脑 MRI 扫描的皮质分析
本研究提出了第一种方法,用于对任何分辨率和脉冲序列的临床脑 MRI 扫描进行皮层重建,配准、分割和厚度估计。
- RegHEC: 基于多视点点云同时注册任意物体的手眼标定
RegHEC 是一种无需精确标定工具,适用于手持和手中之眼的基于注册的手眼标定技术,通过贝叶斯优化和 Anderson Accelerated ICP 变体寻找手眼关系提高点云注册的准确性,适用于各种物体形状并可用于机器人 3D 重建。
- KDDERNet: 神经影像数据无监督集体提取和注册
本研究提出了 ERNet 方法来解决神经影像数据中的无监督集成的脑区提取和配准问题,该方法通过一对多级脑区提取和配准模块学习提取掩模和变换,实现迭代提取准确性并成功匹配至目标影像。实验结果表明,ERNet 可以有效地提高神经影像数据处理中的 - CVPR捆绑调整神经辐射场的局部到全局配准
本文提出了一种基于像素灵活对齐以及帧级约束参数对齐的局部到全局检测方法 L2G-NeRF,该方法能够成功解决通过细节学习的 3D 表示及相机对齐的约束因素对神经辐射场的应用所带来的巨大限制。
- ECCV基于注册的少样本异常检测
本文提出一种少样本异常检测方法,通过注册任务作为代理任务,训练一个通用的无类别模型来检测输入图像是否为异常,并在大型基准测试中实现了优于现有方法 3%-8%的表现。
- 跨模态图像生成与配准的非监督不对准红外与可见光图像融合
本文提出了一种基于生成和配准的深度学习方法,用于无监督热红外图像和可见光图像的融合,通过生成伪红外图像并使用多级配准网络实现图像配准,在特征交互融合模块中,对所选择的特征进行融合,以提高融合质量和鲁棒性。
- PC-SwinMorph:无监督医学图像配准和分割的补丁表示
本文提出了一种名为 PC-SwinMorph 的新型统一无监督框架,旨在使用基于补丁的策略进行医学图像配准和分割,其中包括对比度策略和自我关注策略,并通过数值和视觉结果证明其优于当前的无监督方法。
- CVPR高效对应聚类的多实例点云配准
在点云匹配中,以距离不变性矩阵为基础进行聚类,实现了多实例姿态估计并剔除离群点的目标,其可靠性和效率均优于现有方法。
- 通过学习的函数映射同步进行多路非刚性点云配准
利用 SyNoRiM,我们提供一种新的方法,通过同步点云上定义的学习功能的映射以联合注册多个非刚性形状,以既处理非刚性形状,又处理多体情况为特点,避免了点对点排列的昂贵优化。
- ICCVPCAM: 刚体点云的交叉关注矩阵积进行刚体对齐
提出了一种名为 PCAM 的深度神经网络,用于点云对齐和配准任务,通过点对应和加权,将几何和语境信息结合,实现了空间特征的匹配,达到了最先进的结果。
- 时域变换中的形状配准
本文提出了一种基于 Transformer 的非刚性 3D 点云高效配准方法,该方法采用数据驱动方式,借鉴 Transformer 架构并结合表面密度估计,可在不同场景中实现点云配准、纹理传递和形状插值,验证实验表明其优于现有方法。
- CVPR基于深度图匹配的稳健点云配准框架
本文提出了一种基于深度图匹配的 3D 点云注册框架,通过先将点云转化为图并提取每个点的深度特征,再用深度图匹配计算软对应矩阵,从而找到更正确的对应关系,实现了在有离群点和时间约束而没有好的变换初始化时的 3D 点云快速注册。
- 点云配准综述
本篇综述介绍了同源和异源点云配准的优化和深度学习方法,并总结了二者之间的关系。同时,本文还创建了一套新的评估基准来解决异源挑战,并讨论了不同领域中的点云配准应用。最后,本文提出了这个快速发展领域的潜在研究方向。
- 关于旋转估计的半定松弛紧度
通过基于代数几何工具的一般框架分析,我们研究了用于解决涉及旋转的非凸优化问题的半定松弛的能力。研究中表明其在注册、手眼校准和旋转平均等应用中性能好、稳定。但在极端情况下会存在非常数解,需要适当的参数化方法。
- CVPRUKPGAN:通用的自监督关键点检测器
本文提出了 UKPGAN,一种基于自我监督的 3D 关键点检测器,通过生成对抗网络与显著信息提炼模块,定位出重要的关键点,进而对物体进行对齐和重建,实验结果表明本方法能够在不同的非刚性变形下处理 SMPL 人体,并具有较好的稳定性和几何注册 - ECCV基于目标的图像拼接
本文针对图像拼接过程中目标被裁剪、遗漏或复制而导致的错误进行研究,提出一种基于目标检测的算法来解决这个问题,并将其用于修改拼接过程中的能量函数,从而获得更加逼真和鲁棒的拼接结果。同时,该方法还可以用于检测输入数据中不可恢复的遮挡,并提出了一 - ECCV多重配准的稳健图像拼接
该论文提出了一种改进的全景图创建算法,采用多重图像配准的方法,提高了深度差异和物体运动场景下的图像拼接的精度,实验结果表明该算法在存在较大运动或视差时能够生成明显更好的全景图。
- MaskNet:一个完全卷积网络,用于估计内点
本文介绍了一种基于完全卷积神经网络的技术,旨在解决点云处理过程中的数据缺失与冗余问题,该方法可以提高基于学习的和经典的点云配准方法的准确性,并在真实世界与合成数据集上进行了测试和演示。
- 医学图像复杂场景配准和少样本分割的深度互补联合模型
本文提出了一种新的深度互补联合模型 (DeepRS) 用于处理复杂场景下的医学图像配准和少样本分割问题,包含扰动因子、像素辨别器、基于分割模型的区域约束等设计来增强模型性能。在 CT 数据集上的实验表明该模型在医学图像处理领域中具有优异的性