論文の概要: Region adaptive graph fourier transform for 3d point clouds

• arxiv url: http://arxiv.org/abs/2003.01866v2
• Date: Wed, 27 May 2020 21:45:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-26 13:55:20.320659
• Title: Region adaptive graph fourier transform for 3d point clouds
• Title（参考訳）: 3次元点雲に対する領域適応グラフフーリエ変換
• Authors: Eduardo Pavez, Benjamin Girault, Antonio Ortega and Philip A. Chou
• Abstract要約: 本稿では,3次元点雲特性の圧縮のための領域適応グラフフーリエ変換(RA-GFT)を提案する。 RA-GFTは従来の手法よりも複雑性と性能のトレードオフが優れている。
• 参考スコア（独自算出の注目度）: 51.193111325231165
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce the Region Adaptive Graph Fourier Transform (RA-GFT) for compression of 3D point cloud attributes. The RA-GFT is a multiresolution transform, formed by combining spatially localized block transforms. We assume the points are organized by a family of nested partitions represented by a rooted tree. At each resolution level, attributes are processed in clusters using block transforms. Each block transform produces a single approximation (DC) coefficient, and various detail (AC) coefficients. The DC coefficients are promoted up the tree to the next (lower resolution) level, where the process can be repeated until reaching the root. Since clusters may have a different numbers of points, each block transform must incorporate the relative importance of each coefficient. For this, we introduce the $\mathbf{Q}$-normalized graph Laplacian, and propose using its eigenvectors as the block transform. The RA-GFT achieves better complexity-performance trade-offs than previous approaches. In particular, it outperforms the Region Adaptive Haar Transform (RAHT) by up to 2.5 dB, with a small complexity overhead.
• Abstract（参考訳）: 本稿では,3次元点雲特性の圧縮のための領域適応グラフフーリエ変換(RA-GFT)を提案する。 RA-GFTは、空間的局所化されたブロック変換を組み合わせた多分解能変換である。 ポイントは根木で表されるネストされたパーティションの族によって構成されると仮定する。 各解像度レベルでは、属性はブロック変換を使用してクラスタで処理される。 各ブロック変換は、単一の近似(DC)係数と様々な詳細(AC)係数を生成する。 dc係数は木を次の(より低い分解能の)レベルまで押し上げられ、根に達するまでプロセスを繰り返すことができる。 クラスタは点数が異なる場合があるため、各ブロック変換は各係数の相対的重要性を組み込まなければならない。 これに対し、$\mathbf{Q}$-normalized graph Laplacianを導入し、その固有ベクトルをブロック変換として使用することを提案する。 RA-GFTは従来の手法よりも複雑性と性能のトレードオフが優れている。 特に、Regional Adaptive Haar Transform(RAHT)を2.5dBまで上回り、複雑さのオーバーヘッドが小さい。

関連論文リスト

• Variable-size Symmetry-based Graph Fourier Transforms for image compression [65.7352685872625]
  可変サイズのグラフフーリエ変換を符号化フレームワークに導入する。 提案アルゴリズムは,ノード間の特定の対称接続を追加することにより,グリッド上の対称グラフを生成する。 実験により、SBGFTは、明示的な多重変換選択に統合された一次変換よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-24T13:00:44Z)
• DSVT: Dynamic Sparse Voxel Transformer with Rotated Sets [95.84755169585492]
  本研究では,屋外3次元知覚のためのシングルストライドウィンドウベースのボクセルトランスであるDynamic Sparse Voxel Transformer (DSVT)を提案する。 本モデルでは,3次元認識タスクを多岐にわたって行うことにより,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-01-15T09:31:58Z)
• CloudAttention: Efficient Multi-Scale Attention Scheme For 3D Point Cloud Learning [81.85951026033787]
  この作業にトランスフォーマーをセットし、それらを形状分類と部分およびシーンセグメンテーションのための階層的なフレームワークに組み込む。 また、各イテレーションにおけるサンプリングとグループ化を活用して、効率的でダイナミックなグローバルなクロスアテンションを計算します。 提案した階層モデルは,最先端の形状分類を平均精度で達成し,従来のセグメンテーション法と同等の結果を得る。
  論文  参考訳（メタデータ） (2022-07-31T21:39:15Z)
• Approximate Equivariance SO(3) Needlet Convolution [3.1050801937854504]
  本稿では,回転群SO(3)に対する回転不変なフレッシュレット畳み込み法を開発し,球面信号のマルチスケール情報を蒸留する。 このネットワークは、球面信号の幾何学的不変の特徴を抽出する強力なツールを確立する。 NESは、量子化学レグレッションと宇宙マイクロ波背景(CMB)復調のための最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-06-17T17:21:56Z)
• 3D Equivariant Graph Implicit Functions [51.5559264447605]
  局所的詳細のモデリングを容易にする同変層を持つグラフ暗黙関数の新しいファミリを導入する。 提案手法は,ShapeNet再構成作業において既存の回転同変暗黙関数を0.69から0.89に改善する。
  論文  参考訳（メタデータ） (2022-03-31T16:51:25Z)
• Dynamic Convolution for 3D Point Cloud Instance Segmentation [146.7971476424351]
  動的畳み込みに基づく3次元点雲からのインスタンスセグメンテーション手法を提案する。 我々は、同じ意味圏と閉投票を持つ等質点を幾何学的遠近点に対して収集する。 提案手法は提案不要であり、代わりに各インスタンスの空間的および意味的特性に適応する畳み込みプロセスを利用する。
  論文  参考訳（メタデータ） (2021-07-18T09:05:16Z)
• Efficient Long-Range Convolutions for Point Clouds [16.433511770049336]
  我々は、ポイントクラウドの長距離情報を直接組み込む新しいニューラルネットワーク層を提案する。 LRC層は局所的な畳み込みと組み合わせることで特に強力なツールである。 我々は,LRC層と短距離畳み込み層を組み合わせたニューラルネットワークアーキテクチャを導入することで,この枠組みを実証する。
  論文  参考訳（メタデータ） (2020-10-11T17:42:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。