論文の概要: FINet: Dual Branches Feature Interaction for Partial-to-Partial Point Cloud Registration

• arxiv url: http://arxiv.org/abs/2106.03479v1
• Date: Mon, 7 Jun 2021 10:15:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-08 18:00:56.699582
• Title: FINet: Dual Branches Feature Interaction for Partial-to-Partial Point Cloud Registration
• Title（参考訳）: FINet: 部分-部分間クラウド登録のためのデュアルブランチ機能インタラクション
• Authors: Hao Xu, Nianjin Ye, Shuaicheng Liu, Guanghui Liu, Bing Zeng
• Abstract要約: FINetは,複数段階の入力を関連づける情報を有効化・強化する機能を備えた,機能間相互作用に基づく構造である。 実験により,本手法は従来の手法に比べて精度が高く,頑健性も高いことが示された。
• 参考スコア（独自算出の注目度）: 31.014309817116175
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data association is important in the point cloud registration. In this work, we propose to solve the partial-to-partial registration from a new perspective, by introducing feature interactions between the source and the reference clouds at the feature extraction stage, such that the registration can be realized without the explicit mask estimation or attentions for the overlapping detection as adopted previously. Specifically, we present FINet, a feature interaction-based structure with the capability to enable and strengthen the information associating between the inputs at multiple stages. To achieve this, we first split the features into two components, one for the rotation and one for the translation, based on the fact that they belong to different solution spaces, yielding a dual branches structure. Second, we insert several interaction modules at the feature extractor for the data association. Third, we propose a transformation sensitivity loss to obtain rotation-attentive and translation-attentive features. Experiments demonstrate that our method performs higher precision and robustness compared to the state-of-the-art traditional and learning-based methods.
• Abstract（参考訳）: データアソシエーションはpoint cloud登録において重要である。 本研究では,特徴抽出段階におけるソースと参照クラウド間の特徴的相互作用を導入し,従来採用されていた重複検出に対する明示的なマスク推定や注意を伴わずに登録を実現することにより,新たな視点から部分的・部分的登録を解決することを提案する。 具体的には,複数の段階における入力間の関連情報を有効化・強化する機能を備えた,機能インタラクションに基づく構造である finet を提案する。 これを達成するために、まず特徴を回転と変換の2つの成分に分割し、それらは異なる解空間に属するという事実に基づいて二重分岐構造を生成する。 次に、データアソシエーションのための特徴抽出器に複数の相互作用モジュールを挿入する。 第3に,回転アテンテートおよび変換アテンテート特性を得るための変換感度損失を提案する。 実験により,本手法は従来の手法に比べて精度と堅牢性が高いことを示した。

関連論文リスト

• DiffVein: A Unified Diffusion Network for Finger Vein Segmentation and Authentication [50.017055360261665]
  DiffVeinは、静脈分割と認証タスクを同時に処理する統合拡散モデルベースのフレームワークである。 これら2つのブランチ間の機能相互作用を改善するために,2つの特別なモジュールを導入する。 このようにして、我々のフレームワークは拡散とセグメンテーションの埋め込みの間の動的相互作用を可能にする。
  論文  参考訳（メタデータ） (2024-02-03T06:49:42Z)
• DBDNet:Partial-to-Partial Point Cloud Registration with Dual Branches Decoupling [15.382633946370978]
  本稿では,DBDNet と呼ばれる部分-部分的登録のための二枝分離による効果的な登録手法を提案する。 本稿では,特徴の明示的相互作用の利点を生かした重なりの予測器を提案する。 マルチ解像度特徴抽出ネットワークを設計し、局所パターンとグローバルパターンの両方をキャプチャし、重複予測と登録モジュールの両方を強化する。
  論文  参考訳（メタデータ） (2023-10-18T06:09:12Z)
• OAAFormer: Robust and Efficient Point Cloud Registration Through Overlapping-Aware Attention in Transformer [37.41780280364752]
  粗い機能マッチングパラダイムは、ポイントクラウド登録の領域でかなりの注目を集めている。 粗いレベルから細かなレベルへの潜在的に価値のある対応の伝播を容易にするソフトマッチング機構を導入する。 提案手法は, インレーヤ比が約7%増加し, 登録リコールの2～4%向上につながった。
  論文  参考訳（メタデータ） (2023-10-15T12:27:18Z)
• Discriminative Co-Saliency and Background Mining Transformer for Co-Salient Object Detection [111.04994415248736]
  我々は差別的共存とバックグラウンドマイニング・トランスフォーマー・フレームワーク(DMT)を提案する。 我々は2種類の事前定義されたトークンを用いて、コントラスト誘起画素間相関モジュールとコサリエンストークン間相関モジュールを用いて、コサリエンシと背景情報をマイニングする。 3つのベンチマークデータセットの実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-04-30T15:56:47Z)
• Part-guided Relational Transformers for Fine-grained Visual Recognition [59.20531172172135]
  識別的特徴を学習し,特徴変換モジュールとの相関関係を探索するフレームワークを提案する。 提案手法は,3-of-the-levelオブジェクト認識において,部分ブランチの追加に頼らず,最先端の性能に達する。
  論文  参考訳（メタデータ） (2022-12-28T03:45:56Z)
• Disentangled Representation Learning for Text-Video Retrieval [51.861423831566626]
  テキスト・ビデオ検索(TVR)における相互モダリティの相互作用 我々は相互作用のパラダイムを深く研究し、その計算を2つの項に分けることができることを示した。 本稿では,逐次的かつ階層的な表現を捉えるための非絡み合いフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-14T13:55:33Z)
• GaitStrip: Gait Recognition via Effective Strip-based Feature Representations and Multi-Level Framework [34.397404430838286]
  本稿では,様々なレベルの歩行情報を抽出するために,GaitStripという名前のストリップベースマルチレベル歩行認識ネットワークを提案する。 具体的には、私たちの高レベルブランチは歩行シーケンスのコンテキストを探求し、低レベルブランチは詳細な姿勢変化に焦点を当てています。 我々のGaitStripは、通常の歩行条件と複雑な歩行条件の両方において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2022-03-08T09:49:48Z)
• Consistent Two-Flow Network for Tele-Registration of Point Clouds [74.51029406361997]
  任意のポーズで提示される点群間の登録を可能とし,重複がほとんどあるいは全くない学習ベースの手法を提案する。 本手法は,一群の形状の先行を学習し,部分的な形状を完遂できる新しいニューラルネットワーク設計に基づいている。 個別のフローと比較して、この2フローのトレーニングが堅牢で信頼性の高い遠隔登録につながることを示す。
  論文  参考訳（メタデータ） (2021-06-01T09:03:21Z)
• Interactive Fusion of Multi-level Features for Compositional Activity Recognition [100.75045558068874]
  インタラクティブな融合によってこの目標を達成する新しいフレームワークを提案する。 本フレームワークは,位置から出現までの特徴抽出,意味的特徴の相互作用,意味から位置への予測という3つのステップで実装する。 我々は,2つの行動認識データセット,SomethingとCharadesに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2020-12-10T14:17:18Z)
• Bi-Directional Attention for Joint Instance and Semantic Segmentation in Point Clouds [9.434847591440485]
  バックボーンニューラルネットワーク上にバイディレクショナル・アテンション・モジュールを構築し、3Dポイント・クラウド・インセプションを実現する。 これは、あるタスクの特徴から測定された類似度行列を使用して、他のタスクの非ローカル情報を集約する。 S3DISデータセットとPartNetデータセットに関する総合実験とアブレーション研究から,本手法の優位性を検証した。
  論文  参考訳（メタデータ） (2020-03-11T17:16:07Z)

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。