論文の概要: Cascaded Non-local Neural Network for Point Cloud Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2007.15488v1
• Date: Thu, 30 Jul 2020 14:34:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-05 14:26:18.654824
• Title: Cascaded Non-local Neural Network for Point Cloud Semantic Segmentation
• Title（参考訳）: 点群セマンティックセグメンテーションのためのカスケード非局所ニューラルネットワーク
• Authors: Mingmei Cheng, Le Hui, Jin Xie, Jian Yang and Hui Kong
• Abstract要約: 提案するネットワークは、正確なセグメンテーションのために、ポイントクラウドの長距離依存関係を構築することを目的としている。 我々は,近隣レベル,スーパーポイントレベル,グローバルレベルの非ローカルブロックからなる新しい非ローカルモジュールを開発する。 提案手法は,最先端性能を実現し,時間消費とメモリ占有を効果的に削減する。
• 参考スコア（独自算出の注目度）: 37.33261773707134
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a cascaded non-local neural network for point cloud segmentation. The proposed network aims to build the long-range dependencies of point clouds for the accurate segmentation. Specifically, we develop a novel cascaded non-local module, which consists of the neighborhood-level, superpoint-level and global-level non-local blocks. First, in the neighborhood-level block, we extract the local features of the centroid points of point clouds by assigning different weights to the neighboring points. The extracted local features of the centroid points are then used to encode the superpoint-level block with the non-local operation. Finally, the global-level block aggregates the non-local features of the superpoints for semantic segmentation in an encoder-decoder framework. Benefiting from the cascaded structure, geometric structure information of different neighborhoods with the same label can be propagated. In addition, the cascaded structure can largely reduce the computational cost of the original non-local operation on point clouds. Experiments on different indoor and outdoor datasets show that our method achieves state-of-the-art performance and effectively reduces the time consumption and memory occupation.
• Abstract（参考訳）: 本稿では,ポイントクラウドセグメンテーションのためのカスケード非局所ニューラルネットワークを提案する。 提案されたネットワークは、正確なセグメンテーションのためにポイントクラウドの長距離依存性を構築することを目的としている。 具体的には,近辺レベル,スーパーポイントレベル,グローバルレベルの非ローカルブロックで構成される新しい非ローカルモジュールを開発する。 まず,近傍ブロックにおいて,隣接点に対して異なる重みを割り当てることで,点雲の遠心点の局所的特徴を抽出する。 抽出されたセントロイド点の局所的な特徴は、スーパーポイントレベルブロックを非局所演算でエンコードするために使用される。 最後に、グローバルレベルブロックは、エンコーダ-デコーダフレームワークにおけるセマンティクスセグメンテーションのためのスーパーポイントの非ローカルな特徴を集約する。 カスケード構造により、同じラベルの異なる近傍の幾何学的構造情報を伝播させることができる。 さらに、カスケード構造は、点雲上の元の非局所演算の計算コストを大幅に削減することができる。 室内および屋外の異なるデータセットを用いた実験により,本手法は最先端の性能を達成し,時間消費とメモリ占有を効果的に削減できることが示された。

関連論文リスト

• FreePoint: Unsupervised Point Cloud Instance Segmentation [72.64540130803687]
  点クラウド上の教師なしクラス非依存のインスタンスセグメンテーションを探索するためのFreePointを提案する。 我々は、座標、色、そして自己監督の深い特徴を組み合わせることで、点の特徴を表現する。 ポイント機能に基づいて、ポイントクラウドを擬似ラベルとして粗いインスタンスマスクに分割し、ポイントクラウドインスタンスセグメンテーションモデルをトレーニングする。
  論文  参考訳（メタデータ） (2023-05-11T16:56:26Z)
• Point Cloud Classification Using Content-based Transformer via Clustering in Feature Space [25.57569871876213]
  本稿では,PointConTと呼ばれるポイントコンテントベースのトランスフォーマーアーキテクチャを提案する。 特徴空間内の点(コンテンツベース)の局所性を利用して、類似した特徴を持つサンプルポイントを同じクラスにクラスタし、各クラス内の自己アテンションを計算する。 また,各枝の高周波・低周波情報を並列構造を用いて個別に集約するインセプション機能アグリゲータも導入した。
  論文  参考訳（メタデータ） (2023-03-08T14:11:05Z)
• Adaptive Edge-to-Edge Interaction Learning for Point Cloud Analysis [118.30840667784206]
  ポイントクラウドデータ処理の大きな問題は、ローカルリージョンから有用な情報を抽出することだ。 従来の研究は、局所的な形状情報を符号化する地域におけるエッジ間の関係を無視していた。 本稿では,Adaptive Edge-to-Edge Interaction Learningモジュールを提案する。
  論文  参考訳（メタデータ） (2022-11-20T07:10:14Z)
• Density-preserving Deep Point Cloud Compression [72.0703956923403]
  本研究では,局所密度情報を保存する新しい深部クラウド圧縮手法を提案する。 エンコーダはポイントをサンプリングし、ポイントワイドな特徴を学習し、デコーダはこれらの特徴を使ってポイントをサンプリングする。
  論文  参考訳（メタデータ） (2022-04-27T03:42:15Z)
• Point cloud completion on structured feature map with feedback network [28.710494879042002]
  本稿では,FSNetを提案する。FSNetは,ポイントワイドな特徴を適応的に2次元構造的特徴マップに集約できる機能構造化モジュールである。 2次元畳み込みニューラルネットワークを用いて、FSNetから粗い完全点クラウドに特徴マップをデコードする。 点雲アップサンプリングネットワークを用いて、部分入力と粗い中間出力から高密度点雲を生成する。
  論文  参考訳（メタデータ） (2022-02-17T10:59:40Z)
• CP-Net: Contour-Perturbed Reconstruction Network for Self-Supervised Point Cloud Learning [53.1436669083784]
  本稿では,CP-Net(Contour-Perturbed Restruction Network)を提案する。 分類では、ModelNet40(92.5%の精度)とScanObjectNN(87.9%の精度)の完全教師付き手法で競合する結果を得る。
  論文  参考訳（メタデータ） (2022-01-20T15:04:12Z)
• Fast Point Voxel Convolution Neural Network with Selective Feature Fusion for Point Cloud Semantic Segmentation [7.557684072809662]
  本稿では,ポイントクラウド解析のための軽量畳み込みニューラルネットワークを提案する。 本手法はサンプリングなしで全点集合上で動作し,効率よく性能を向上する。
  論文  参考訳（メタデータ） (2021-09-23T19:39:01Z)
• ODFNet: Using orientation distribution functions to characterize 3D point clouds [0.0]
  点まわりの点配向分布を利用して、点群の表現力のある局所近傍表現を得ます。 新しい ODFNet モデルは ModelNet40 と ScanObjectNN データセットのオブジェクト分類における最先端の精度を実現する。
  論文  参考訳（メタデータ） (2020-12-08T19:54:20Z)
• SoftPoolNet: Shape Descriptor for Point Cloud Completion and Classification [93.54286830844134]
  本稿では,点雲に基づく3次元オブジェクトの補完と分類手法を提案する。 デコーダの段階では,グローバルな活性化エントロピーの最大化を目的とした新しい演算子である地域畳み込みを提案する。 我々は,オブジェクトの完成度や分類,最先端の精度の達成など,異なる3次元タスクに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2020-08-17T14:32:35Z)
• SK-Net: Deep Learning on Point Cloud via End-to-end Discovery of Spatial Keypoints [7.223394571022494]
  本稿では,空間キーポイントの推論と点雲の特徴表現の学習を協調的に最適化する,エンドツーエンドのフレームワークであるSK-Netを提案する。 提案手法は,ポイントクラウドタスクにおける最先端手法に匹敵する性能を示した。
  論文  参考訳（メタデータ） (2020-03-31T08:15:40Z)

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。