論文の概要: Deep Learning for 3D Point Cloud Understanding: A Survey

• arxiv url: http://arxiv.org/abs/2009.08920v2
• Date: Sun, 23 May 2021 15:04:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 02:32:18.362439
• Title: Deep Learning for 3D Point Cloud Understanding: A Survey
• Title（参考訳）: 3Dポイントクラウド理解のためのディープラーニング: サーベイ
• Authors: Haoming Lu, Humphrey Shi
• Abstract要約: 自律運転やロボティクスといった実用アプリケーションの開発は、3Dポイントのクラウド理解に注意を向けている。 ディープラーニングは、画像ベースのタスクにおいて顕著な成功を収めていますが、大規模で非構造的でノイズの多い3Dポイントを処理する際に、ディープニューラルネットワークが直面する多くのユニークな課題があります。 本稿では,この領域における最近の顕著な研究成果を,いくつかの方向から要約する。
• 参考スコア（独自算出の注目度）: 16.35767262996978
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The development of practical applications, such as autonomous driving and robotics, has brought increasing attention to 3D point cloud understanding. While deep learning has achieved remarkable success on image-based tasks, there are many unique challenges faced by deep neural networks in processing massive, unstructured and noisy 3D points. To demonstrate the latest progress of deep learning for 3D point cloud understanding, this paper summarizes recent remarkable research contributions in this area from several different directions (classification, segmentation, detection, tracking, flow estimation, registration, augmentation and completion), together with commonly used datasets, metrics and state-of-the-art performances. More information regarding this survey can be found at: https://github.com/SHI-Labs/3D-Point-Cloud-Learning.
• Abstract（参考訳）: 自動運転やロボティクスといった実用的なアプリケーションの開発は、3dポイントのクラウド理解に注目を集めている。 ディープラーニングは、画像ベースのタスクで顕著に成功したが、大規模で非構造的でノイズの多い3Dポイントを処理する際に、ディープニューラルネットワークが直面する多くのユニークな課題がある。 本稿では3Dポイントクラウド理解のためのディープラーニングの最新の進歩を示すために、この領域における最近の注目すべき研究成果(分類、セグメント化、検出、追跡、フロー推定、登録、拡張、完了)を、一般的なデータセット、メトリクス、最先端のパフォーマンスとともにまとめる。 この調査に関する詳細は、https://github.com/SHI-Labs/3D-Point-Cloud-Learningを参照してください。

関連論文リスト

• A comprehensive overview of deep learning techniques for 3D point cloud classification and semantic segmentation [0.20649496811699863]
  本稿では,ポイントクラウド処理におけるディープラーニング手法の最近の進歩を解析する。 3Dポイントクラウド処理における2つの主要なタスク、すなわち3D形状分類とセマンティックセグメンテーションの包括的なレビューとして機能する。
  論文  参考訳（メタデータ） (2024-05-20T09:33:27Z)
• Deep learning for 3D Object Detection and Tracking in Autonomous Driving: A Brief Survey [3.224562109592693]
  3Dポイントのクラウド学習は、他のあらゆるタイプの自動運転データの中で、ますます注目を集めている。 本稿では,3次元物体検出・追跡のためのディープラーニング手法の最近の進歩を示す。
  論文  参考訳（メタデータ） (2023-11-10T13:03:37Z)
• Explore In-Context Learning for 3D Point Cloud Understanding [71.20912026561484]
  我々は,特に3Dポイントクラウドにおけるコンテキスト内学習のために設計された,ポイント・イン・コンテキストという新しいフレームワークを紹介した。 一般点サンプリング演算子とタンデムで協調して動作するように慎重に設計したJoint Smplingモジュールを提案する。 提案手法の汎用性と適応性を検証するため,幅広いタスクを扱うための広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-06-14T17:53:21Z)
• A Survey of Label-Efficient Deep Learning for 3D Point Clouds [109.07889215814589]
  本稿では,点雲のラベル効率学習に関する包括的調査を行う。 本稿では,ラベルの種類によって提供されるデータ前提条件に基づいて,ラベル効率のよい学習手法を整理する分類法を提案する。 それぞれのアプローチについて、問題設定の概要と、関連する進展と課題を示す広範な文献レビューを提供する。
  論文  参考訳（メタデータ） (2023-05-31T12:54:51Z)
• Self-supervised Learning for Pre-Training 3D Point Clouds: A Survey [25.51613543480276]
  近年,自己管理型ポイントクラウド表現学習が注目されている。 本稿では,DNNを用いた自己教師型ポイントクラウド表現学習に関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-08T13:20:55Z)
• Point Discriminative Learning for Unsupervised Representation Learning on 3D Point Clouds [54.31515001741987]
  3次元点雲上での教師なし表現学習のための点識別学習法を提案する。 我々は、中間レベルとグローバルレベルの特徴に新しい点識別損失を課すことにより、これを達成した。 提案手法は強力な表現を学習し,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-08-04T15:11:48Z)
• PointContrast: Unsupervised Pre-training for 3D Point Cloud Understanding [107.02479689909164]
  本研究では,3次元表現学習の研究を支援することを目的とする。 教師なし事前学習が3Dシーンの大規模なソースセットに与える影響を計測する。
  論文  参考訳（メタデータ） (2020-07-21T17:59:22Z)
• D3Feat: Joint Learning of Dense Detection and Description of 3D Local Features [51.04841465193678]
  私たちは3Dポイントクラウドに3D完全畳み込みネットワークを活用しています。 本稿では,3次元点ごとに検出スコアと記述特徴の両方を密に予測する,新しい,実践的な学習機構を提案する。 本手法は,屋内と屋外の両方のシナリオで最先端の手法を実現する。
  論文  参考訳（メタデータ） (2020-03-06T12:51:09Z)
• Deep Learning for 3D Point Clouds: A Survey [58.954684611055]
  本稿では,ポイントクラウドにおけるディープラーニング手法の最近の進歩を概観する。 3D形状分類、3Dオブジェクトの検出と追跡、3Dポイントクラウドセグメンテーションを含む3つの主要なタスクをカバーしている。 また、いくつかの公開データセットで比較結果を提示する。
  論文  参考訳（メタデータ） (2019-12-27T09:15:54Z)

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。