論文の概要: Semantic Graph Based Place Recognition for 3D Point Clouds

• arxiv url: http://arxiv.org/abs/2008.11459v1
• Date: Wed, 26 Aug 2020 09:27:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 22:04:39.744564
• Title: Semantic Graph Based Place Recognition for 3D Point Clouds
• Title（参考訳）: 意味グラフに基づく3次元点雲の位置認識
• Authors: Xin Kong, Xuemeng Yang, Guangyao Zhai, Xiangrui Zhao, Xianfang Zeng, Mengmeng Wang, Yong Liu, Wanlong Li, Feng Wen
• Abstract要約: 本稿では,位置認識のためのセマンティックグラフに基づく新しいアプローチを提案する。 まず、ポイントクラウドシーンのための新しいセマンティックグラフ表現を提案する。 次に、その類似性を計算するために、高速で効果的なグラフ類似性ネットワークを設計する。
• 参考スコア（独自算出の注目度）: 22.608115489674653
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the difficulty in generating the effective descriptors which are robust to occlusion and viewpoint changes, place recognition for 3D point cloud remains an open issue. Unlike most of the existing methods that focus on extracting local, global, and statistical features of raw point clouds, our method aims at the semantic level that can be superior in terms of robustness to environmental changes. Inspired by the perspective of humans, who recognize scenes through identifying semantic objects and capturing their relations, this paper presents a novel semantic graph based approach for place recognition. First, we propose a novel semantic graph representation for the point cloud scenes by reserving the semantic and topological information of the raw point cloud. Thus, place recognition is modeled as a graph matching problem. Then we design a fast and effective graph similarity network to compute the similarity. Exhaustive evaluations on the KITTI dataset show that our approach is robust to the occlusion as well as viewpoint changes and outperforms the state-of-the-art methods with a large margin. Our code is available at: \url{https://github.com/kxhit/SG_PR}.
• Abstract（参考訳）: 咬合や視点変化に頑健な効果的なディスクリプタの生成が困難であるため,3dポイントクラウドの場所認識は未解決のままである。 原点雲の局所的,大域的,統計的特徴の抽出に焦点をあてた既存の手法と異なり,本手法では,環境変化に対するロバスト性において優れた意味レベルを目標としている。 意味対象を識別し,その関係を捉えて場面を認識する人間の視点に着想を得て,新しい意味グラフに基づく位置認識手法を提案する。 まず,原点クラウドの意味的・トポロジカルな情報を保存して,点クラウドシーンのための新しい意味グラフ表現を提案する。 したがって、位置認識はグラフマッチング問題としてモデル化される。 そして,その類似性を計算するために,高速で効率的なグラフ類似性ネットワークを設計する。 KITTIデータセットの排他的評価は、我々のアプローチが閉塞に対して頑健であり、視点の変化も大きく、最先端の手法よりも優れていることを示している。 私たちのコードは、 \url{https://github.com/kxhit/sg_pr} で利用可能です。

関連論文リスト

• Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
  Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。 セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
  論文  参考訳（メタデータ） (2024-11-25T10:14:10Z)
• Deep Manifold Graph Auto-Encoder for Attributed Graph Embedding [51.75091298017941]
  本稿では,属性付きグラフデータに対する新しいDeep Manifold (Variational) Graph Auto-Encoder (DMVGAE/DMGAE)を提案する。 提案手法は,最先端のベースラインアルゴリズムを,一般的なデータセット間でのダウンストリームタスクの差を大きく越える。
  論文  参考訳（メタデータ） (2024-01-12T17:57:07Z)
• CPCM: Contextual Point Cloud Modeling for Weakly-supervised Point Cloud Semantic Segmentation [60.0893353960514]
  疎アノテーションを用いた弱教師付きポイントクラウドセマンティックセマンティックセグメンテーションの課題について検討する。 本研究では,地域マスキング(RegionMask)戦略とコンテキストマスキングトレーニング(CMT)手法の2つの部分からなるコンテキストポイントクラウドモデリング(CPCM)手法を提案する。
  論文  参考訳（メタデータ） (2023-07-19T04:41:18Z)
• Joint Dense-Point Representation for Contour-Aware Graph Segmentation [2.138299283227551]
  本稿では,点と画素の輪郭表現を共同で学習することにより,グラフと高密度セグメンテーション技術を組み合わせた新しい手法を提案する。 これは、不整合目的がネットワークを識別的・輪郭的特徴の学習から制限する典型的なグラフ分割法における欠陥に対処する。 提案手法はいくつかのケストX線データセットで検証され,セグメンテーション安定性と精度の明確な改善が示された。
  論文  参考訳（メタデータ） (2023-06-21T10:07:17Z)
• Instance-incremental Scene Graph Generation from Real-world Point Clouds via Normalizing Flows [9.4858987199432]
  ポイントクラウドのシーンが与えられ、それをグラフとして表現し、新しいインスタンスを自動的に増加させます。 シーンのオブジェクトレイアウトを示すグラフが最終的に生成される。 拡張現実のような視覚ベースのアプリケーションにおいて、新しい3Dオブジェクトを現実世界のシーンに挿入する際のガイドとなる。
  論文  参考訳（メタデータ） (2023-02-21T03:34:15Z)
• Large-scale Point Cloud Registration Based on Graph Matching Optimization [30.92028761652611]
  アンダーライン最適化に基づくアンダーライングラフアンダーラインマッチングを提案する。 提案手法は3DMatch/3DLoMatchベンチマークとKITTIベンチマークで評価されている。
  論文  参考訳（メタデータ） (2023-02-12T03:29:35Z)
• Robust Point Cloud Registration Framework Based on Deep Graph Matching(TPAMI Version) [13.286247750893681]
  3Dポイントクラウドの登録は、コンピュータビジョンとロボティクスの基本的な問題である。 本稿では,ポイントクラウド登録のための新しいディープグラフマッチングベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-09T06:05:25Z)
• Keypoint Message Passing for Video-based Person Re-Identification [106.41022426556776]
  ビデオベースの人物再識別(re-ID)は、異なるカメラで捉えた人々のビデオスニペットをマッチングすることを目的とした、視覚監視システムにおいて重要な技術である。 既存の手法は主に畳み込みニューラルネットワーク(CNN)に基づいており、そのビルディングブロックは近隣のピクセルを一度に処理するか、あるいは3D畳み込みが時間情報のモデル化に使用される場合、人の動きによって生じるミスアライメントの問題に悩まされる。 本稿では,人間指向グラフ法を用いて,通常の畳み込みの限界を克服することを提案する。具体的には,人手指のキーポイントに位置する特徴を抽出し,時空間グラフとして接続する。
  論文  参考訳（メタデータ） (2021-11-16T08:01:16Z)
• Unsupervised Representation Learning for 3D Point Cloud Data [66.92077180228634]
  我々は、教師なしのポイントクラウド学習に対して、シンプルで効果的なアプローチを提案する。 特に、原点雲の優れたコントラストバージョンを生成する非常に有用な変換を同定する。 本研究では,3次元オブジェクト分類,形状部分分割,シーン分割の3つの下流タスクについて実験を行った。
  論文  参考訳（メタデータ） (2021-10-13T10:52:45Z)
• SSC: Semantic Scan Context for Large-Scale Place Recognition [13.228580954956342]
  我々は、記述子の表現能力を向上させるために、高レベルの機能、すなわち意味論の利用について検討する。 本稿では,シーンをより効果的に表現するための意味情報を探る,新しいグローバルな記述子Semantic Scan Contextを提案する。 我々の手法は最先端の手法よりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2021-07-01T11:51:19Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。