論文の概要: End-to-End Learning Local Multi-view Descriptors for 3D Point Clouds
- arxiv url: http://arxiv.org/abs/2003.05855v2
- Date: Mon, 16 Mar 2020 14:32:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 15:06:11.801344
- Title: End-to-End Learning Local Multi-view Descriptors for 3D Point Clouds
- Title(参考訳): 3dポイントクラウドのためのエンド・ツー・エンド学習ローカルマルチビュー記述子
- Authors: Lei Li, Siyu Zhu, Hongbo Fu, Ping Tan, Chiew-Lan Tai
- Abstract要約: 3Dポイントクラウドのためのローカルなマルチビュー記述子を学習するためのエンドツーエンドフレームワークを提案する。
本手法は,既存の局所記述子を定量的かつ定性的に上回る。
- 参考スコア(独自算出の注目度): 67.27510166559563
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work, we propose an end-to-end framework to learn local multi-view
descriptors for 3D point clouds. To adopt a similar multi-view representation,
existing studies use hand-crafted viewpoints for rendering in a preprocessing
stage, which is detached from the subsequent descriptor learning stage. In our
framework, we integrate the multi-view rendering into neural networks by using
a differentiable renderer, which allows the viewpoints to be optimizable
parameters for capturing more informative local context of interest points. To
obtain discriminative descriptors, we also design a soft-view pooling module to
attentively fuse convolutional features across views. Extensive experiments on
existing 3D registration benchmarks show that our method outperforms existing
local descriptors both quantitatively and qualitatively.
- Abstract(参考訳): 本研究では,3Dポイントクラウドのためのローカルマルチビュー記述子を学習するためのエンドツーエンドフレームワークを提案する。
同様の多視点表現を採用するために、既存の研究では、手作りの視点を用いて前処理段階のレンダリングを行う。
本フレームワークでは,関心点のより情報的なコンテキストを捉えるために,視点を最適化可能なパラメータとして,微分可能なレンダラを用いて,マルチビューレンダリングをニューラルネットワークに統合する。
識別用ディスクリプタを得るため、ビュー間で畳み込み機能を注意して融合させるソフトビュープーリングモジュールも設計する。
既存の3Dレジストレーションベンチマークの大規模な実験により,本手法は既存のローカルディスクリプタを定量的かつ定性的に上回ることがわかった。
関連論文リスト
- MVTN: Learning Multi-View Transformations for 3D Understanding [60.15214023270087]
本稿では,3次元形状認識のための最適視点を決定するために,可変レンダリングを用いたマルチビュー変換ネットワーク(MVTN)を提案する。
MVTNは3次元形状認識のためのマルチビューネットワークでエンドツーエンドに訓練することができる。
提案手法は,複数のベンチマークによる3次元分類と形状検索における最先端性能を示す。
論文 参考訳(メタデータ) (2022-12-27T12:09:16Z) - Voint Cloud: Multi-View Point Cloud Representation for 3D Understanding [80.04281842702294]
本稿では,複数の視点から抽出した特徴の集合として,各3次元点を表す多視点クラウド(Voint Cloud)の概念を紹介する。
この新しい3次元Vointクラウド表現は、3Dポイントクラウド表現のコンパクト性と、マルチビュー表現の自然なビュー認識性を組み合わせたものである。
理論的に確立された機能を持つVointニューラルネットワーク(VointNet)をデプロイし,Voint空間の表現を学習する。
論文 参考訳(メタデータ) (2021-11-30T13:08:19Z) - PnP-3D: A Plug-and-Play for 3D Point Clouds [38.05362492645094]
本稿では,既存ネットワークのポイントクラウドデータ解析における有効性を改善するために,プラグイン・アンド・プレイモジュール -3D を提案する。
アプローチを徹底的に評価するために,3つの標準的なクラウド分析タスクについて実験を行った。
本研究は,最先端の成果の達成に加えて,我々のアプローチのメリットを実証する包括的研究を提案する。
論文 参考訳(メタデータ) (2021-08-16T23:59:43Z) - UPDesc: Unsupervised Point Descriptor Learning for Robust Registration [54.95201961399334]
UPDescは、ロバストポイントクラウド登録のためのポイント記述子を学習するための教師なしの方法である。
学習した記述子は既存の教師なし手法よりも優れた性能を示すことを示す。
論文 参考訳(メタデータ) (2021-08-05T17:11:08Z) - DH3D: Deep Hierarchical 3D Descriptors for Robust Large-Scale 6DoF
Relocalization [56.15308829924527]
生の3D点から直接3次元特徴の検出と記述を共同で学習するシームズネットワークを提案する。
3次元キーポイントを検出するために,局所的な記述子の識別性を教師なしで予測する。
各種ベンチマーク実験により,本手法はグローバルポイントクラウド検索とローカルポイントクラウド登録の両面で競合する結果が得られた。
論文 参考訳(メタデータ) (2020-07-17T20:21:22Z) - Learning and Matching Multi-View Descriptors for Registration of Point
Clouds [48.25586496457587]
まず,複数視点の画像から学習した多視点局所記述子を3次元キーポイント記述のために提案する。
そこで我々は,効率的な推論に基づいて,外乱マッチングを拒否することを目的とした,ロバストなマッチング手法を開発した。
我々は、パブリックスキャンとマルチビューステレオデータセットの登録に対する我々のアプローチの強化を実証した。
論文 参考訳(メタデータ) (2018-07-16T01:58:27Z)
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。