論文の概要: Multi-Features Guidance Network for partial-to-partial point cloud registration

• arxiv url: http://arxiv.org/abs/2011.12079v2
• Date: Fri, 10 Sep 2021 03:29:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 13:38:36.478175
• Title: Multi-Features Guidance Network for partial-to-partial point cloud registration
• Title（参考訳）: 部分-部分間クラウド登録のための多機能誘導ネットワーク
• Authors: Hongyuan Wang, Xiang Liu, Wen Kang, Zhiqiang Yan, Bingwen Wang, Qianhao Ning
• Abstract要約: 本稿では,部分的から部分的なクラウド登録のための新しいマルチフィーチャー・ガイダンス・ネットワークを提案する。 提案するネットワークは,キーポイントの特徴抽出,対応検索,通信信頼性,SVDの4つの部分から構成される。 実験の結果,我々のネットワークは計算効率を保ちながら,現在の最先端のネットワークよりも優れていた。
• 参考スコア（独自算出の注目度）: 4.920701320706827
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To eliminate the problems of large dimensional differences, big semantic gap, and mutual interference caused by hybrid features, in this paper, we propose a novel Multi-Features Guidance Network for partial-to-partial point cloud registration(MFG). The proposed network mainly includes four parts: keypoints' feature extraction, correspondences searching, correspondences credibility computation, and SVD, among which correspondences searching and correspondence credibility computation are the cores of the network. Unlike the previous work, we utilize the shape features and the spatial coordinates to guide correspondences search independently and fusing the matching results to obtain the final matching matrix. In the correspondences credibility computation module, based on the conflicted relationship between the features matching matrix and the coordinates matching matrix, we score the reliability for each correspondence, which can reduce the impact of mismatched or non-matched points. Experimental results show that our network outperforms the current state-of-the-art while maintaining computational efficiency.
• Abstract（参考訳）: 本稿では,大次元差,大きな意味ギャップ,ハイブリッド特徴による相互干渉の問題を解消するために,部分-部分点間クラウド登録(MFG)のための多機能誘導ネットワークを提案する。 提案するネットワークは,キーポイントの特徴抽出,対応検索,対応信頼度計算,SVDの4つの部分から構成される。 先行研究と異なり, 形状特徴と空間座標を用いて対応関係を独立に探索し, マッチング結果を用いて最終マッチング行列を得る。 対応信頼度計算モジュールでは,特徴マッチング行列と座標マッチング行列との相関関係に基づいて,各対応の信頼性を評価し,不一致点や非一致点の影響を低減する。 実験の結果,我々のネットワークは計算効率を保ちながら最先端のネットワークよりも優れていた。

関連論文リスト

• Unifying Feature and Cost Aggregation with Transformers for Semantic and Visual Correspondence [51.54175067684008]
  本稿では,高密度マッチングタスク用に設計されたTransformerベースの積分機能とコスト集約ネットワークを提案する。 まず, 特徴集約とコスト集約が異なる特徴を示し, 双方の集約プロセスの司法的利用から生じる実質的な利益の可能性を明らかにした。 本フレームワークは意味マッチングのための標準ベンチマークで評価され,また幾何マッチングにも適用された。
  論文  参考訳（メタデータ） (2024-03-17T07:02:55Z)
• Efficient Semantic Matching with Hypercolumn Correlation [58.92933923647451]
  HCCNetは効率的で効果的なセマンティックマッチング手法である。 マルチスケール相関写像の完全なポテンシャルを利用する。 4D相関マップ上では、高価なマッチング関係のマイニングに頼っている。
  論文  参考訳（メタデータ） (2023-11-07T20:40:07Z)
• ResMatch: Residual Attention Learning for Local Feature Matching [51.07496081296863]
  従来の特徴マッチングとフィルタリングの観点から、クロスアテンションとセルフアテンションを再考する。 我々は,記述者と相対的な位置の類似性を,クロスアテンションスコアとセルフアテンションスコアに注入する。 我々は、記述子と相対的な位置の類似性に応じて隣人内および隣人間を採掘する。
  論文  参考訳（メタデータ） (2023-07-11T11:32:12Z)
• Learning Feature Matching via Matchable Keypoint-Assisted Graph Neural Network [52.29330138835208]
  画像のペア間の局所的な特徴の正確なマッチングは、コンピュータビジョンの課題である。 従来の研究では、注意に基づくグラフニューラルネットワーク(GNN)と、画像内のキーポイントに完全に接続されたグラフを使用するのが一般的だった。 本稿では,非繰り返しキーポイントをバイパスし,マッチング可能なキーポイントを利用してメッセージパッシングを誘導する,疎注意に基づくGNNアーキテクチャであるMaKeGNNを提案する。
  論文  参考訳（メタデータ） (2023-07-04T02:50:44Z)
• ECO-TR: Efficient Correspondences Finding Via Coarse-to-Fine Refinement [80.94378602238432]
  粗大な処理で対応性を見出すことにより、ECO-TR(Correspondence Efficient Transformer)と呼ばれる効率的な構造を提案する。 これを実現するために、複数の変圧器ブロックは段階的に連結され、予測された座標を徐々に洗練する。 種々のスパースタスクと密マッチングタスクの実験は、既存の最先端技術に対する効率性と有効性の両方において、我々の手法の優位性を実証している。
  論文  参考訳（メタデータ） (2022-09-25T13:05:33Z)
• A Coupled CP Decomposition for Principal Components Analysis of Symmetric Networks [11.988825533369686]
  シーケンスネットワークデータのための主成分分析(PCA)フレームワークを提案する。 提案した「結合CP」分解の効率的な計算アルゴリズムを導出する。 本稿は、シミュレーションデータと、政治科学・金融経済学の事例における提案の有効性を実証する。
  論文  参考訳（メタデータ） (2022-02-09T20:52:19Z)
• PointDSC: Robust Point Cloud Registration using Deep Spatial Consistency [38.93610732090426]
  本稿では,空間的整合性を明確に組み込んだ新しいディープニューラルネットワークであるPointDSCを提案する。 本手法は,いくつかの実世界のデータセットにおいて,最先端の手作りおよび学習に基づく異常者拒絶アプローチを上回っている。
  論文  参考訳（メタデータ） (2021-03-09T14:56:08Z)
• 3D Medical Multi-modal Segmentation Network Guided by Multi-source Correlation Constraint [2.867517731896504]
  相関制約付き多モードセグメンテーションネットワークを提案する。 実験の結果,BraTS-2018データセットを用いて脳腫瘍のセグメンテーション実験を行い,本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2021-02-05T11:23:12Z)
• Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation [72.40827239394565]
  スパースサンプリングされた場所のみの機能を計算することを提案する。 次に、効率的な手順で特徴写像を密に再構築する。 提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
  論文  参考訳（メタデータ） (2020-03-19T15:36:31Z)

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。