論文の概要: FKAConv: Feature-Kernel Alignment for Point Cloud Convolution
- arxiv url: http://arxiv.org/abs/2004.04462v3
- Date: Tue, 24 Nov 2020 10:32:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-15 02:19:09.508935
- Title: FKAConv: Feature-Kernel Alignment for Point Cloud Convolution
- Title(参考訳): FKAConv: Point Cloud Convolutionのための機能カーネルアライメント
- Authors: Alexandre Boulch, Gilles Puy, and Renaud Marlet
- Abstract要約: 多数の点畳み込み法を関連づけ解析するための定式化を提供する。
また、幾何学のないカーネル重み付けの推定を分離する独自の畳み込み変種も提案する。
分類とセマンティックセグメンテーションのベンチマークで競合する結果を示す。
- 参考スコア(独自算出の注目度): 75.85619090748939
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent state-of-the-art methods for point cloud processing are based on the
notion of point convolution, for which several approaches have been proposed.
In this paper, inspired by discrete convolution in image processing, we provide
a formulation to relate and analyze a number of point convolution methods. We
also propose our own convolution variant, that separates the estimation of
geometry-less kernel weights and their alignment to the spatial support of
features. Additionally, we define a point sampling strategy for convolution
that is both effective and fast. Finally, using our convolution and sampling
strategy, we show competitive results on classification and semantic
segmentation benchmarks while being time and memory efficient.
- Abstract(参考訳): 最近のポイントクラウド処理の最先端手法は、ポイント畳み込みの概念に基づいており、いくつかのアプローチが提案されている。
本稿では,画像処理における離散畳み込みに着想を得て,複数の点畳み込み法を関連付け,解析するための定式化を行う。
我々はまた、幾何学のないカーネル重み付けの推定と特徴の空間的支持へのアライメントを分離する独自の畳み込み変種も提案する。
さらに,効率的かつ迅速な畳み込みのための点サンプリング戦略を定義する。
最後に、畳み込みおよびサンプリング戦略を用いて、時間とメモリ効率を保ちながら、分類および意味セグメンテーションベンチマークの競合結果を示す。
関連論文リスト
- PU-EdgeFormer: Edge Transformer for Dense Prediction in Point Cloud
Upsampling [4.125187280299247]
本稿ではPU-EdgeFormerで表される点雲アップサンプリングのためのグラフ畳み込みと変換器について述べる。
We use graph convolution using EdgeConv, which learns the local geometry and global structure of point cloud than existing point-to-feature method。
論文 参考訳(メタデータ) (2023-05-02T01:42:47Z) - E2PN: Efficient SE(3)-Equivariant Point Network [12.520265159777255]
本稿では,3次元点雲からSE(3)-等価特徴を学習するための畳み込み構造を提案する。
カーネルポイント畳み込み(カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、KPConv、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション
論文 参考訳(メタデータ) (2022-06-11T02:15:46Z) - PU-EVA: An Edge Vector based Approximation Solution for Flexible-scale
Point Cloud Upsampling [4.418205951027186]
スパース、ノイズ、および一様でない点雲のアップサンプリングは難しい作業だ。
フレキシブルスケールの点群アップサンプリング(PU-EVA)のためのエッジベクトルに基づく近似の新しい設計法を提案する。
EVAアップサンプリングは、ネットワークアーキテクチャによるアップサンプリングスケールを分離し、1回のトレーニングでフレキシブルアップサンプリングレートを達成する。
論文 参考訳(メタデータ) (2022-04-22T15:14:05Z) - Temporally-Consistent Surface Reconstruction using Metrically-Consistent
Atlases [131.50372468579067]
そこで本稿では,時間変化点雲列から時間一貫性のある面列を復元する手法を提案する。
我々は、再構成された表面をニューラルネットワークによって計算されたアトラスとして表現し、フレーム間の対応性を確立することができる。
当社のアプローチは、いくつかの挑戦的なデータセットにおいて、最先端のものよりも優れています。
論文 参考訳(メタデータ) (2021-11-12T17:48:25Z) - Convolutional Hough Matching Networks for Robust and Efficient Visual
Correspondence [41.061667361696465]
畳み込みマッチングにおけるハフ変換の視点を導入し、畳み込みハフマッチング(CHM)と呼ばれる効果的な幾何マッチングアルゴリズムを提案する。
本手法は,クラス内変動に挑戦する上で,その強靭性を証明し,意味的視覚対応のための標準ベンチマークに新たな技術状況を設定する。
論文 参考訳(メタデータ) (2021-09-11T08:39:41Z) - Differentiable Convolution Search for Point Cloud Processing [114.66038862207118]
本稿では,点雲上での新しい差分畳み込み探索パラダイムを提案する。
純粋にデータ駆動型であり、幾何学的形状モデリングに適した畳み込みのグループを自動生成することができる。
また,内部畳み込みと外部アーキテクチャの同時探索のための共同最適化フレームワークを提案する。
論文 参考訳(メタデータ) (2021-08-29T14:42:03Z) - Adaptive Graph Convolution for Point Cloud Analysis [25.175406613705274]
本稿では,動的に学習した特徴に応じて適応的なカーネルを生成する適応グラフ畳み込み(Adaptive Graph Convolution, AdaptConv)を提案する。
提案手法は,いくつかのベンチマークデータセットにおいて,最先端のクラウド分類とセグメンテーションアプローチより優れている。
論文 参考訳(メタデータ) (2021-08-18T08:38:52Z) - PU-Flow: a Point Cloud Upsampling Networkwith Normalizing Flows [58.96306192736593]
本稿では,正規化フローを組み込んだPU-Flowについて述べる。
具体的には、重みが局所的な幾何学的文脈から適応的に学習される潜在空間において、アップサンプリング過程を点として定式化する。
提案手法は, 再現性, 近接精度, 計算効率の観点から, 最先端の深層学習手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-07-13T07:45:48Z) - DyCo3D: Robust Instance Segmentation of 3D Point Clouds through Dynamic
Convolution [136.7261709896713]
本稿では,インスタンスの性質に応じて適切な畳み込みカーネルを生成するデータ駆動型アプローチを提案する。
提案手法はScanetNetV2とS3DISの両方で有望な結果が得られる。
また、現在の最先端よりも推論速度を25%以上向上させる。
論文 参考訳(メタデータ) (2020-11-26T14:56:57Z) - Permutation Matters: Anisotropic Convolutional Layer for Learning on
Point Clouds [145.79324955896845]
本稿では,各点のソフトな置換行列を計算する変分異方性畳み込み演算(PAI-Conv)を提案する。
点雲の実験により、PAI-Convは分類とセマンティックセグメンテーションのタスクにおいて競合する結果をもたらすことが示された。
論文 参考訳(メタデータ) (2020-05-27T02:42:29Z)
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。