論文の概要: Fusion-Aware Point Convolution for Online Semantic 3D Scene Segmentation

• arxiv url: http://arxiv.org/abs/2003.06233v4
• Date: Thu, 13 Jan 2022 13:05:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-24 02:18:46.080340
• Title: Fusion-Aware Point Convolution for Online Semantic 3D Scene Segmentation
• Title（参考訳）: オンラインセマンティック3次元シーンセグメンテーションのための融合対応ポイントコンボリューション
• Authors: Jiazhao Zhang, Chenyang Zhu, Lintao Zheng, Kai Xu
• Abstract要約: 本稿では,再構成中の幾何学的表面を直接操作する,新しい融合対応3D点畳み込み法を提案する。 グローバルに,オンラインで再構成された3Dポイントを漸進的に増大する座標間隔木にコンパイルする。 我々は,グローバルツリーの高速クエリによる構築の恩恵を受けるオクツリーを用いて,各地点の周辺情報を維持する。
• 参考スコア（独自算出の注目度）: 19.973034777285218
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online semantic 3D segmentation in company with real-time RGB-D reconstruction poses special challenges such as how to perform 3D convolution directly over the progressively fused 3D geometric data, and how to smartly fuse information from frame to frame. We propose a novel fusion-aware 3D point convolution which operates directly on the geometric surface being reconstructed and exploits effectively the inter-frame correlation for high quality 3D feature learning. This is enabled by a dedicated dynamic data structure which organizes the online acquired point cloud with global-local trees. Globally, we compile the online reconstructed 3D points into an incrementally growing coordinate interval tree, enabling fast point insertion and neighborhood query. Locally, we maintain the neighborhood information for each point using an octree whose construction benefits from the fast query of the global tree.Both levels of trees update dynamically and help the 3D convolution effectively exploits the temporal coherence for effective information fusion across RGB-D frames.
• Abstract（参考訳）: リアルタイムRGB-D再構成を持つ企業におけるオンラインセマンティック3Dセグメンテーションは、段階的に融合した3D幾何データを直接3D畳み込みを実行する方法や、フレームからフレームへ情報をスマートに融合する方法など、特別な課題を提起する。 本稿では,再構成中の幾何学的表面を直接操作し,高品質な3次元特徴学習のためのフレーム間相関を効果的に活用する,融合対応の3D点畳み込みを提案する。 これは、グローバルローカルツリーでオンライン獲得ポイントクラウドを組織化する専用の動的データ構造によって実現されている。 グローバルに,オンラインで再構成された3Dポイントを漸進的に増大する座標間隔木にコンパイルし,高速な点挿入と近傍クエリを可能にする。 局所的に,各点の近傍情報をグローバルツリーの高速問合せに有利なoctreeを用いて保持し,木々のレベルを動的に更新し,rgb-dフレーム間の効果的な情報融合のための時間的コヒーレンスを効果的に活用する。

関連論文リスト

• ALSTER: A Local Spatio-Temporal Expert for Online 3D Semantic Reconstruction [62.599588577671796]
  本稿では,RGB-Dフレームのストリームから3次元セマンティックマップを段階的に再構成するオンライン3次元セマンティックセマンティックセマンティクス手法を提案する。 オフラインの手法とは異なり、ロボット工学や混合現実のようなリアルタイムな制約のあるシナリオに直接適用できます。
  論文  参考訳（メタデータ） (2023-11-29T20:30:18Z)
• SeMLaPS: Real-time Semantic Mapping with Latent Prior Networks and Quasi-Planar Segmentation [53.83313235792596]
  本稿では,RGB-Dシーケンスからのリアルタイム意味マッピングのための新しい手法を提案する。 2DニューラルネットワークとSLAMシステムに基づく3Dネットワークと3D占有マッピングを組み合わせる。 本システムは,2D-3Dネットワークベースシステムにおいて,最先端のセマンティックマッピング品質を実現する。
  論文  参考訳（メタデータ） (2023-06-28T22:36:44Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• Anchor-Based Spatial-Temporal Attention Convolutional Networks for Dynamic 3D Point Cloud Sequences [20.697745449159097]
  動的3次元点雲列を処理するために,アンカー型時空間注意畳み込み演算(astaconv)を提案する。 提案する畳み込み操作は、各点の周囲に複数の仮想アンカーを設定することにより、各点の周囲にレギュラーレセプティブフィールドを構築する。 提案手法は,局所領域内の構造化情報をよりよく活用し,動的3次元点雲列から空間-時間埋め込み特徴を学習する。
  論文  参考訳（メタデータ） (2020-12-20T07:35:37Z)
• KAPLAN: A 3D Point Descriptor for Shape Completion [80.15764700137383]
  KAPLANは、一連の2D畳み込みを通じて局所的な形状情報を集約する3Dポイント記述子である。 各平面において、正規点や平面間距離のような点特性は2次元グリッドに集約され、効率的な2次元畳み込みエンコーダを持つ特徴表現に抽象化される。 公開データセットの実験では、KAPLANが3D形状の完成のために最先端のパフォーマンスを達成することが示されている。
  論文  参考訳（メタデータ） (2020-07-31T21:56:08Z)
• Learning Local Neighboring Structure for Robust 3D Shape Representation [143.15904669246697]
  3Dメッシュの表現学習は多くのコンピュータビジョンやグラフィックスアプリケーションにおいて重要である。 局所構造認識型異方性畳み込み操作(LSA-Conv)を提案する。 本モデルでは,3次元形状復元において最先端の手法に比べて顕著な改善が得られた。
  論文  参考訳（メタデータ） (2020-04-21T13:40:03Z)
• Spatial Information Guided Convolution for Real-Time RGBD Semantic Segmentation [79.78416804260668]
  本稿では,効率的なRGB機能と3次元空間情報統合を実現するための空間情報ガイドコンボリューション(S-Conv)を提案する。 S-Convは、3次元空間情報によって導かれる畳み込みカーネルのサンプリングオフセットを推測する能力を有する。 我々はさらにS-Convを空間情報ガイド畳み込みネットワーク(SGNet)と呼ばれるセグメンテーションネットワークに組み込みます。
  論文  参考訳（メタデータ） (2020-04-09T13:38:05Z)

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。