論文の概要: CT-block: a novel local and global features extractor for point cloud
- arxiv url: http://arxiv.org/abs/2111.15400v1
- Date: Tue, 30 Nov 2021 13:46:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-01 15:21:09.111666
- Title: CT-block: a novel local and global features extractor for point cloud
- Title（参考訳）: CTブロック:ポイントクラウドのための新しいローカル・グローバル特徴抽出器
- Authors: Shangwei Guo, Jun Li, Zhengchao Lai, Xiantong Meng, Shaokun Han
- Abstract要約: 点を隣人とグループ化することで点雲の局所的特徴を学習することができるが、この手法は長距離グローバル特徴を抽出するには弱い。
我々は,CTブロックと呼ばれる局所的特徴と大域的特徴を同時に抽出・融合できる新しいモジュールを提案する。
我々は,CTブロックを用いてポイントクラウド分類とセグメンテーションネットワークを構築し,それらの性能をいくつかの公開データセットで評価する。
- 参考スコア（独自算出の注目度）: 9.470975921402886
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning on the point cloud is increasingly developing. Grouping the
point with its neighbors and conducting convolution-like operation on them can
learn the local feature of the point cloud, but this method is weak to extract
the long-distance global feature. Performing the attention-based transformer on
the whole point cloud can effectively learn the global feature of it, but this
method is hardly to extract the local detailed feature. In this paper, we
propose a novel module that can simultaneously extract and fuse local and
global features, which is named as CT-block. The CT-block is composed of two
branches, where the letter C represents the convolution-branch and the letter T
represents the transformer-branch. The convolution-branch performs convolution
on the grouped neighbor points to extract the local feature. Meanwhile, the
transformer-branch performs offset-attention process on the whole point cloud
to extract the global feature. Through the bridge constructed by the feature
transmission element in the CT-block, the local and global features guide each
other during learning and are fused effectively. We apply the CT-block to
construct point cloud classification and segmentation networks, and evaluate
the performance of them by several public datasets. The experimental results
show that, because the features learned by CT-block are much expressive, the
performance of the networks constructed by the CT-block on the point cloud
classification and segmentation tasks achieve state of the art.
- Abstract（参考訳）: クラウドの深層学習はますます発展しつつある。
点を隣人とグループ化して畳み込みのような操作を行うと、点雲の局所的特徴を学習することができるが、この方法は長距離グローバル特徴を抽出するには弱い。
クラウド全体の注意に基づくトランスフォーマーを実行することで,そのグローバルな特徴を効果的に学習することができるが,局所的な詳細特徴を抽出することは困難である。
本稿では,ctブロックと呼ばれる局所的特徴と大域的特徴を同時に抽出し融合できるモジュールを提案する。
CTブロックは2つの分岐で構成され、C文字は畳み込みブランチ、T文字は変圧器ブランチである。
畳み込み分岐は、グループ化された隣接点上で畳み込みを行い、局所特徴を抽出する。
一方、変圧器ブランチは全点雲上でオフセットアテンション処理を行い、グローバルな特徴を抽出する。
ctブロック内の特徴伝達素子によって構築されたブリッジを介して、局所的特徴とグローバル的特徴が学習中に相互にガイドし、効果的に融合する。
ポイントクラウド分類とセグメンテーションネットワークの構築にctブロックを適用し,それらの性能をいくつかの公開データセットで評価する。
実験の結果,CTブロックで学習した特徴は表現力が高いため,点雲の分類やセグメンテーションタスクにおいて,CTブロックで構築したネットワークの性能は技術の状態を達成することがわかった。
関連論文リスト
- Asynchronous Feedback Network for Perceptual Point Cloud Quality Assessment [18.65004981045047]
本稿では,グローバルおよびローカル機能を扱う新しい非同期フィードバックネットワーク(AFNet)を提案する。
AFNetは、グローバルな特徴と局所的な特徴を扱うためにデュアルブランチ構造を採用し、人間の脳の左右半球をシミュレートし、それらの間にフィードバックモジュールを構築する。
3つのデータセットに関する包括的な実験を行い、これらのデータセットに対する最先端のアプローチよりも優れたパフォーマンスを実現する。
論文 参考訳（メタデータ） (2024-07-13T08:52:44Z) - SWCF-Net: Similarity-weighted Convolution and Local-global Fusion for Efficient Large-scale Point Cloud Semantic Segmentation [10.328077317786342]
SWCF-Net という名前の類似度重み付き畳み込みとローカル・グローバル・フュージョン・ネットワークを提案する。
提案手法は計算コストを削減し,大規模点群を効率的に処理できる。
論文 参考訳（メタデータ） (2024-06-17T11:54:46Z) - Collect-and-Distribute Transformer for 3D Point Cloud Analysis [82.03517861433849]
本稿では,点雲の短距離・長距離コンテキストを通信するための収集・分散機構を備えた新しい変圧器ネットワークを提案する。
その結果,提案したCDFormerの有効性が示され,ポイントクラウドの分類とセグメンテーションタスクにおける最先端のパフォーマンスがいくつか提供された。
論文 参考訳（メタデータ） (2023-06-02T03:48:45Z) - Exploiting Inductive Bias in Transformer for Point Cloud Classification
and Segmentation [22.587913528540465]
本稿では,新しいインダクティブバイアス支援トランス (IBT) 法を設計し,点間関係を学習する。
局所的特徴学習は相対的位置、注意的特徴プーリングを通じて行われる。
分類タスクと分割タスクにおいて,その優位性を実験的に示す。
論文 参考訳（メタデータ） (2023-04-27T12:17:35Z) - 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) - 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) - Conformer: Local Features Coupling Global Representations for Visual
Recognition [72.9550481476101]
本稿では,畳み込み操作と自己アテンション機構を利用した表現学習のためのハイブリッドネットワーク構造,conformerを提案する。
実験では、コンフォーマーが同等のパラメータ複雑性の下で視覚変換器(DeiT-B)を2.3%上回ることが示されている。
論文 参考訳（メタデータ） (2021-05-09T10:00:03Z) - Unsupervised Feedforward Feature (UFF) Learning for Point Cloud
Classification and Segmentation [57.62713515497585]
3次元点雲の連成分類とセグメンテーションのために,教師なしフィードフォワード特徴学習を提案する。
UFF法は、点雲セット内の点の統計的相関を利用して、1パスのフィードフォワード方式で形状と点の特徴を学習する。
エンコーダとローカルポイントでグローバルな形状の特徴を、エンコーダ-デコーダアーキテクチャを通して学習する。
論文 参考訳（メタデータ） (2020-09-02T18:25:25Z) - Cascaded Non-local Neural Network for Point Cloud Semantic Segmentation [37.33261773707134]
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。
論文 参考訳（メタデータ） (2020-07-30T14:34:43Z) - Cascaded Refinement Network for Point Cloud Completion [74.80746431691938]
本稿では,細かな物体形状を合成するための粗大な戦略とともに,カスケード型精細化ネットワークを提案する。
部分入力の局所的な詳細と大域的な形状情報を合わせて考えると、既存の詳細を不完全点集合に保存することができる。
また、各局所領域が同じパターンと基底的真理を持つことを保証し、複雑な点分布を学習するパッチ判別器を設計する。
論文 参考訳（メタデータ） (2020-04-07T13:03:29Z) - Dense Residual Network: Enhancing Global Dense Feature Flow for
Character Recognition [75.4027660840568]
本稿では,すべての畳み込み層から階層的特徴をフルに活用することにより,局所的・大域的特徴フローを改善する方法について検討する。
技術的には、テキスト認識のための効率的で効果的なCNNフレームワークであるFDRN(Fast Dense Residual Network)を提案する。
論文 参考訳（メタデータ） (2020-01-23T06:55:08Z)
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。