sparse point clouds | BriefGPT

关键词sparse point clouds

搜索结果 - 10

CVPRFSC：少点形状补全
通过熵分析发现，即使少量的点，如 64 个点，也能保留足够的信息来帮助恢复物体的三维形状。为了解决极度稀疏的点云形状补全问题，我们提出了 Few-point Shape Completion (FSC) 模型，该模型包含一个处理极度稀疏输入
PDF4 months ago
DSMNet: 从稀疏点云帧中进行深度高精度三维表面建模
该研究提出了一种基于 HPMB 数据集的建模评估方法和一种针对稀疏点云帧的高精度三维表面建模的联合学习框架 DSMNet，通过实验表明，DSMNet 在 Multi-View Partial Point Cloud (MVP) 数据库上的表
PDFa year ago
CVPR从单个稀疏点云中无监督地推导符号距离函数，无需学习先验知识
本文提出了一种基于神经网络的方法，可以直接从单个稀疏点云中推断有符号距离函数（SDF），构建了表面参数化和 SDF 推断的端到端方法，通过利用参数化表面作为粗略表面采样器，以统计方式推断 SDF，并在合成数据集和真实扫描下的稀疏点云表面重构
PDFa year ago
CVPRDSVT：具有旋转集的动态稀疏体素变换器
本文介绍了动态稀疏体素变换器（DSVT），它是一个用于室外 3D 感知的单步幅基于体素的转换器骨干。为了有效处理稀疏点云，我们提出了动态稀疏窗口注意力，这将每个窗口中的一系列局部区域根据其稀疏性划分，并以完全并行的方式计算所有区域的特征。在
PDFa year ago
CVPR利用表面先验重建稀疏点云的表面
通过在表面上使用先验信息，使用神经网络从稀疏的 3D 点云中精确地重建表面，方法无需事先获取签名距离或点法向量，实现了最优的重建精度。
PDF2 years ago
NeeDrop: 使用针头丢弃从稀疏点云中自我监督形状表示
本论文介绍了一种名为 NeeDrop 的自我监督方法，以从可能极其稀疏的点云中学习形状表示，其利用随机落针的统计学原理进行表面重构，具有与现有监督方法相当的定量结果，适用于自动驾驶等硬性场景。
PDF3 years ago
从合成数据中学习拓扑结构用于无监督深度补全
本文提出了一种利用综合数据学习稀疏点云与自然场景之间的关联从而从图像和稀疏深度测量中推断出密集深度图的方法。该方法采用先前学习的自然形状先验和图像证据来验证深度图的预测结果，因此可以使用丰富的合成数据来学习重构过程的最困难的组件 —— 拓扑
PDF3 years ago
PRIN/SPRIN: 关于提取点旋转不变特征的研究
本文提出了一个全新的点集学习框架 PRIN，即点式旋转不变网络，通过密度感知自适应抽样构建球形信号来解决点云在球形空间上的扭曲分布，运用球形体素卷积和点重采样来提取每个点的旋转不变特征，同时将 PRIN 扩展到一种稀疏版本 SPRIN，直接
PDF3 years ago
Triangle-Net：面向点云学习的鲁棒性
提出了一种基于图结构和神经网络的方法，能够同时实现旋转、平移、缩放的不变性以及点云稀疏程度的稳健性，此方法在模型识别与检索任务方面，其性能可显著提高。
PDF4 years ago
一种框架以注册它们所有: PointNet 编码用于点云对齐
本文提出了一种新的基于 PointNet 编码的点云对齐和配准框架，避免了 ICP 等流行配准方法中的计算昂贵的对应点搜索步骤，适用于 3D 重建、跟踪和姿态估计等应用，能够处理噪声、初始错位以及粗糙点云，并通过大量模拟和真实实验验证了算法
PDF5 years ago