論文の概要: Point Set Voting for Partial Point Cloud Analysis

• arxiv url: http://arxiv.org/abs/2007.04537v2
• Date: Sat, 2 Jan 2021 17:37:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 04:59:29.390203
• Title: Point Set Voting for Partial Point Cloud Analysis
• Title（参考訳）: 部分点雲解析のための点集合投票
• Authors: Junming Zhang, Weijia Chen, Yuping Wang, Ram Vasudevan, Matthew Johnson-Roberson
• Abstract要約: 近年、ポイントクラウドの分類とセグメンテーションのための技術は、大きな合成データセットを活用することで、驚くべきパフォーマンスを実現している。 本稿では, 局所点集合投票戦略を適用して, 完全点群を符号化した潜在特徴を推定する部分点群解析の一般モデルを提案する。
• 参考スコア（独自算出の注目度）: 26.31029112502835
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The continual improvement of 3D sensors has driven the development of algorithms to perform point cloud analysis. In fact, techniques for point cloud classification and segmentation have in recent years achieved incredible performance driven in part by leveraging large synthetic datasets. Unfortunately these same state-of-the-art approaches perform poorly when applied to incomplete point clouds. This limitation of existing algorithms is particularly concerning since point clouds generated by 3D sensors in the real world are usually incomplete due to perspective view or occlusion by other objects. This paper proposes a general model for partial point clouds analysis wherein the latent feature encoding a complete point clouds is inferred by applying a local point set voting strategy. In particular, each local point set constructs a vote that corresponds to a distribution in the latent space, and the optimal latent feature is the one with the highest probability. This approach ensures that any subsequent point cloud analysis is robust to partial observation while simultaneously guaranteeing that the proposed model is able to output multiple possible results. This paper illustrates that this proposed method achieves state-of-the-art performance on shape classification, part segmentation and point cloud completion.
• Abstract（参考訳）: 3Dセンサーの継続的な改良により、ポイントクラウド分析を行うアルゴリズムの開発が進められた。 実際、ポイントクラウド分類とセグメンテーションのテクニックは、近年、大規模な合成データセットを活用することで、素晴らしいパフォーマンスを実現している。 残念なことに、これらの同じ最先端のアプローチは、不完全点雲に適用すると、うまく機能しない。 既存のアルゴリズムのこの制限は、現実世界の3Dセンサーが生成する点雲が、視界や他の物体による隠蔽によって通常不完全であるため、特に関係している。 本稿では,局所的点集合投票戦略を適用し,完全点群を符号化する潜在特徴を推定する部分点群解析の一般モデルを提案する。 特に、各局所点集合は、潜在空間内の分布に対応する投票を構成し、最適な潜在性特徴は、最も確率の高い投票である。 このアプローチは、後続の点雲解析が部分観測に対して堅牢であることを保証すると同時に、提案したモデルが複数の可能な結果を出力できることを保証する。 本稿では, 形状分類, 部分分割, 点雲完了における最先端性能を実現する手法を提案する。

関連論文リスト

• Zero-shot Point Cloud Completion Via 2D Priors [52.72867922938023]
  3次元点雲の完成は、部分的に観測された点雲から完全な形状を復元するように設計されている。 そこで本研究では, 観測された点群を対象とするゼロショットフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-10T08:02:17Z)
• PIVOT-Net: Heterogeneous Point-Voxel-Tree-based Framework for Point Cloud Compression [8.778300313732027]
  異種クラウド圧縮(PCC)フレームワークを提案する。 私たちは、典型的なポイントクラウド表現 -- ポイントベース、ボクセルベース、ツリーベース表現 -- と関連するバックボーンを統一します。 本稿では,デコードのためのコンテキスト対応アップサンプリングと,機能集約のための拡張ボクセルトランスフォーマーによりフレームワークを増強する。
  論文  参考訳（メタデータ） (2024-02-11T16:57:08Z)
• Point Cloud Pre-training with Diffusion Models [62.12279263217138]
  我々は、ポイントクラウド拡散事前学習(PointDif)と呼ばれる新しい事前学習手法を提案する。 PointDifは、分類、セグメンテーション、検出など、さまざまな下流タスクのために、さまざまな現実世界のデータセット間で大幅に改善されている。
  論文  参考訳（メタデータ） (2023-11-25T08:10:05Z)
• Variational Relational Point Completion Network for Robust 3D Classification [59.80993960827833]
  可変点雲補完法は、局所的な詳細を欠くため、大域的な形状の骨格を生成する傾向がある。 本稿では2つの魅力的な特性を持つ変分フレームワークであるポイントコンプリートネットワーク(VRCNet)を提案する。 VRCNetは、現実世界のポイントクラウドスキャンにおいて、非常に一般化性と堅牢性を示している。
  論文  参考訳（メタデータ） (2023-04-18T17:03:20Z)
• HybridFusion: LiDAR and Vision Cross-Source Point Cloud Fusion [15.94976936555104]
  我々はHybridFusionと呼ばれるクロスソース点雲融合アルゴリズムを提案する。 アウトドアの大きなシーンでは、異なる視角から、ソース間の密集点雲を登録することができる。 提案手法は,定性的,定量的な実験を通じて総合的に評価される。
  論文  参考訳（メタデータ） (2023-04-10T10:54:54Z)
• PointAttN: You Only Need Attention for Point Cloud Completion [89.88766317412052]
  ポイント・クラウド・コンプリート(Point cloud completion)とは、部分的な3次元ポイント・クラウドから3次元の形状を完成させることである。 そこで我々は,kNNを除去するために,ポイントクラウドをポイント単位に処理する新しいニューラルネットワークを提案する。 提案するフレームワークであるPointAttNはシンプルで簡潔で効果的であり、3次元形状の構造情報を正確に捉えることができる。
  論文  参考訳（メタデータ） (2022-03-16T09:20:01Z)
• Variational Relational Point Completion Network [41.98957577398084]
  既存のポイントクラウド補完メソッドは、グローバルシェイプスケルトンを生成し、細かいローカル詳細を欠いています。 本稿では,2つの特性を持つ変分点コンプリートネットワーク(VRCNet)を提案する。 VRCNetは、現実世界のポイントクラウドスキャンで、大きな可能性と堅牢性を示します。
  論文  参考訳（メタデータ） (2021-04-20T17:53:40Z)
• 3D Object Classification on Partial Point Clouds: A Practical Perspective [91.81377258830703]
  点雲は3次元オブジェクト分類において一般的な形状表現である。 本稿では,任意のポーズの下でオブジェクトインスタンスの部分点雲を分類する実践的な設定を提案する。 本稿では,アライメント分類手法による新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-18T04:00:56Z)
• Point Cloud Completion by Skip-attention Network with Hierarchical Folding [61.59710288271434]
  本研究では,3Dポイントクラウド補完のためのSkip-Attention Network (SA-Net)を提案する。 まず,不完全点雲の局所構造を効果的に活用するためのスキップアテンション機構を提案する。 第二に、異なる解像度でスキップアテンション機構によって符号化された選択された幾何情報を完全に活用するために、新しい構造保存デコーダを提案する。
  論文  参考訳（メタデータ） (2020-05-08T06:23:51Z)

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。