論文の概要: Self-supervised Point Cloud Registration with Deep Versatile Descriptors

• arxiv url: http://arxiv.org/abs/2201.10034v1
• Date: Tue, 25 Jan 2022 01:22:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-26 15:42:18.779138
• Title: Self-supervised Point Cloud Registration with Deep Versatile Descriptors
• Title（参考訳）: 深層性記述子を用いた自己教師付きポイントクラウド登録
• Authors: Dongrui Liu, Chuanchuan Chen, Changqing Xu, Robert Qiu, and Lei Chu
• Abstract要約: 本稿では,新しいDeep Versatile Descriptors(DVD)を用いた自己教師型登録方式を提案する。 提案手法は,幅広い実験環境において,競合する手法に対する最先端性能を実現する。
• 参考スコア（独自算出の注目度）: 3.2834346231107947
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent years have witnessed an increasing trend toward solving point cloud registration problems with various deep learning-based algorithms. Compared to supervised/semi-supervised registration methods, unsupervised methods require no human annotations. However, unsupervised methods mainly depend on the global descriptors, which ignore the high-level representations of local geometries. In this paper, we propose a self-supervised registration scheme with a novel Deep Versatile Descriptors (DVD), jointly considering global representations and local representations. The DVD is motivated by a key observation that the local distinctive geometric structures of the point cloud by two subset points can be employed to enhance the representation ability of the feature extraction module. Furthermore, we utilize two additional tasks (reconstruction and normal estimation) to enhance the transformation awareness of the proposed DVDs. Lastly, we conduct extensive experiments on synthetic and real-world datasets, demonstrating that our method achieves state-of-the-art performance against competing methods over a wide range of experimental settings.
• Abstract（参考訳）: 近年、さまざまなディープラーニングベースのアルゴリズムでポイントクラウド登録問題を解決する傾向が強まっている。 supervised/semi-supervised registrationメソッドと比較して、教師なしのメソッドは人間のアノテーションを必要としない。 しかし、教師なしの手法は主に局所幾何学の高レベルな表現を無視したグローバルな記述子に依存している。 本稿では,グローバルな表現と局所的な表現を共同で考慮した,新しいDeep Versatile Descriptors (DVD)を用いた自己教師型登録方式を提案する。 このDVDは、特徴抽出モジュールの表現能力を高めるために、2つの部分点による点雲の局所的な特異な幾何構造を用いることができるというキー観察によって動機付けられる。 さらに,提案するdvdのトランスフォーメーション意識を高めるために,さらに2つのタスク(再構成と正規推定)を用いた。 最後に, 合成および実世界のデータセットに関する広範な実験を行い, 幅広い実験環境において, 競合する手法に対する最先端の性能を実証した。

関連論文リスト

• HD2Reg: Hierarchical Descriptors and Detectors for Point Cloud Registration [5.906656006176128]
  フィーチャーディスクリプタとインタクタは、機能ベースのポイントクラウド登録の2つの主要コンポーネントである。 本稿では,デュアルレベルディスクリプタと検出器を明示的に抽出し,粗大なマッチングを行うフレームワークを提案する。 提案手法は,ロバストで高精度なクラウド登録を実現し,最近のキーポイント方式よりも優れている。
  論文  参考訳（メタデータ） (2023-05-05T12:57:04Z)
• GIDP: Learning a Good Initialization and Inducing Descriptor Post-enhancing for Large-scale Place Recognition [6.709991492637821]
  本稿では,GIDP という新しい手法を提案する。 提案手法は,バックボーンを符号化する単純なクラウドと汎用クラウドを用いて,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-09-23T09:20:09Z)
• Adaptive Local-Component-aware Graph Convolutional Network for One-shot Skeleton-based Action Recognition [54.23513799338309]
  骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。 我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-21T02:33:07Z)
• Inducing Gaussian Process Networks [80.40892394020797]
  本稿では,特徴空間と誘導点を同時に学習するシンプルなフレームワークであるGaussian Process Network (IGN)を提案する。 特に誘導点は特徴空間で直接学習され、複雑な構造化領域のシームレスな表現を可能にする。 実世界のデータセットに対する実験結果から,IGNは最先端の手法よりも大幅に進歩していることを示す。
  論文  参考訳（メタデータ） (2022-04-21T05:27:09Z)
• An Entropy-guided Reinforced Partial Convolutional Network for Zero-Shot Learning [77.72330187258498]
  エントロピー誘導強化部分畳み込みネットワーク(ERPCNet)を提案する。 ERPCNetは、人間のアノテーションのない意味的関連性と視覚的相関に基づいて、局所性を抽出し、集約する。 グローバルな協力的局所性を動的に発見するだけでなく、ポリシー勾配最適化のためにより高速に収束する。
  論文  参考訳（メタデータ） (2021-11-03T11:13:13Z)
• UPDesc: Unsupervised Point Descriptor Learning for Robust Registration [54.95201961399334]
  UPDescは、ロバストポイントクラウド登録のためのポイント記述子を学習するための教師なしの方法である。 学習した記述子は既存の教師なし手法よりも優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-08-05T17:11:08Z)
• Learning Rotation-Invariant Representations of Point Clouds Using Aligned Edge Convolutional Neural Networks [29.3830445533532]
  ポイントクラウド分析は、シーンの深さを正確に測定できる3Dセンサーの開発によって、関心が高まる分野である。 点群解析に深層学習技術を適用することは、これらの手法が見えない回転に一般化できないため、簡単ではありません。 この制限に対処するには、通常、トレーニングデータを強化する必要があり、これは余分な計算につながる可能性があり、より大きなモデルの複雑さを必要とする。 本稿では,局所参照フレーム(LRF)に対する点群の特徴表現を学習する,Aligned Edge Convolutional Neural Network(AECNN)と呼ばれる新しいニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-01-02T17:36:00Z)
• Unsupervised Metric Relocalization Using Transform Consistency Loss [66.19479868638925]
  メートル法再ローカライズを行うためのトレーニングネットワークは、従来、正確な画像対応が必要である。 地図内のクエリ画像のローカライズは、登録に使用される参照画像に関係なく、同じ絶対的なポーズを与えるべきである。 提案手法は, 限られた地下構造情報が得られる場合に, 他の教師あり手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-01T19:24:27Z)
• SoftPoolNet: Shape Descriptor for Point Cloud Completion and Classification [93.54286830844134]
  本稿では,点雲に基づく3次元オブジェクトの補完と分類手法を提案する。 デコーダの段階では,グローバルな活性化エントロピーの最大化を目的とした新しい演算子である地域畳み込みを提案する。 我々は,オブジェクトの完成度や分類,最先端の精度の達成など,異なる3次元タスクに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2020-08-17T14:32:35Z)
• SEKD: Self-Evolving Keypoint Detection and Description [42.114065439674036]
  ラベルのない自然画像から高度な局所特徴モデルを学ぶための自己教師型フレームワークを提案する。 提案手法は, ホモグラフィー推定, 相対的なポーズ推定, および動きからの構造的タスクについてベンチマークする。 トレーニングされたモデルとともに、コードを公開します。
  論文  参考訳（メタデータ） (2020-06-09T06:56:50Z)

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。