論文の概要: Deep Algebraic Fitting for Multiple Circle Primitives Extraction from Raw Point Clouds

• arxiv url: http://arxiv.org/abs/2204.00920v1
• Date: Sat, 2 Apr 2022 18:27:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-05 14:41:50.051039
• Title: Deep Algebraic Fitting for Multiple Circle Primitives Extraction from Raw Point Clouds
• Title（参考訳）: 原点雲からの複数円原始物質抽出のための深部代数的フィッティング
• Authors: Zeyong Wei, Honghua Chen, Hao Tang, Qian Xie, Mingqiang Wei, Jun Wang
• Abstract要約: 本稿では,深い円界点学習と重み付き代数的フィッティングの相乗効果に基づいて,エンド・ツー・エンドのポイント・クラウド・サークル・代数的フィッティング・ネットワーク(Circle-Net)を提案する。 多くの最先端の円抽出知恵とは異なり、提案された分類・適合モジュールはもともと、抽出された円の質を高めるために、包括的損失とともに訓練されている。 確立されたデータセットと実走査点雲の比較により,SOTAよりも円網の方がノイズロス性および抽出精度の両方において明らかな改善が見られた。
• 参考スコア（独自算出の注目度）: 24.00245162522767
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The shape of circle is one of fundamental geometric primitives of man-made engineering objects. Thus, extraction of circles from scanned point clouds is a quite important task in 3D geometry data processing. However, existing circle extraction methods either are sensitive to the quality of raw point clouds when classifying circle-boundary points, or require well-designed fitting functions when regressing circle parameters. To relieve the challenges, we propose an end-to-end Point Cloud Circle Algebraic Fitting Network (Circle-Net) based on a synergy of deep circle-boundary point feature learning and weighted algebraic fitting. First, we design a circle-boundary learning module, which considers local and global neighboring contexts of each point, to detect all potential circle-boundary points. Second, we develop a deep feature based circle parameter learning module for weighted algebraic fitting, without designing any weight metric, to avoid the influence of outliers during fitting. Unlike most of the cutting-edge circle extraction wisdoms, the proposed classification-and-fitting modules are originally co-trained with a comprehensive loss to enhance the quality of extracted circles.Comparisons on the established dataset and real-scanned point clouds exhibit clear improvements of Circle-Net over SOTAs in terms of both noise-robustness and extraction accuracy. We will release our code, model, and data for both training and evaluation on GitHub upon publication.
• Abstract（参考訳）: 円の形状は人工工学の基本的な幾何学的原始の1つである。 したがって、スキャンされた点雲からの円の抽出は、3次元幾何学データ処理において非常に重要なタスクである。 しかしながら、既存の円抽出法は、円境界点を分類する場合の原点雲の品質に敏感であるか、円パラメータを後退させる際に適切に設計された適合関数を必要とする。 そこで本研究では,深部円界特徴学習と重み付き代数的フィッティングの相乗効果に基づいて,エンドツーエンドのポイントクラウドサークル代数フィッティングネットワーク(Circle-Net)を提案する。 まず,各点の局所的およびグローバルな隣接状況を考慮した円界学習モジュールを設計し,任意の円界点を検出する。 第2に,重み付き代数的フィッティングにおける外接点の影響を回避するため,重み付き代数的フィッティングのための深い特徴に基づく円周パラメータ学習モジュールを開発した。 近縁円抽出の知恵のほとんどとは異なり,提案した分類・適合モジュールはもともと,抽出された円の質を高めるために,包括的損失とともに訓練されている。 公開時には、github上でトレーニングと評価を行うためのコード、モデル、データをリリースします。

関連論文リスト

• CircleFormer: Circular Nuclei Detection in Whole Slide Images with Circle Queries and Attention [13.947162082687417]
  動的アンカー円を用いたトランスフォーマーを用いた円形医療物体検出システムであるCircleFormerを提案する。 一般向けMoNuSegデータセットを用いた円形核検出とセグメンテーションにおける本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-08-30T17:01:01Z)
• CircNet: Meshing 3D Point Clouds with Circumcenter Detection [67.23307214942696]
  3次元点雲を三角形メッシュに再構成することは、計算幾何学と表面再構成の重要な問題である。 我々は,点雲三角測量を実現するために,周辺を検知するディープニューラルネットワークを導入する。 我々は水密面と開面面の両方の顕著なデータセットに対して本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2023-01-23T03:32:57Z)
• OMNet: Learning Overlapping Mask for Partial-to-Partial Point Cloud Registration [31.108056345511976]
  OMNetは、部分から部分へのポイントクラウド登録のためのグローバル機能ベースの反復ネットワークです。 マスクを粗雑に学習し,重複しない領域を拒絶し,部分から部分への登録を同一形状の登録に変換する。
  論文  参考訳（メタデータ） (2021-03-01T11:59:59Z)
• PRIN/SPRIN: On Extracting Point-wise Rotation Invariant Features [91.2054994193218]
  点群解析における回転不変特徴抽出に着目した点集合学習フレームワークPRINを提案する。 さらに、PRINをスパースポイントクラウド上で直接動作するSPRINと呼ばれるスパースバージョンに拡張します。 その結果、ランダムに回転した点群を持つデータセットでは、SPRINはデータ拡張なしで最先端の方法よりも優れたパフォーマンスを発揮します。
  論文  参考訳（メタデータ） (2021-02-24T06:44:09Z)
• Refinement of Predicted Missing Parts Enhance Point Cloud Completion [62.997667081978825]
  点雲完了は、部分的な観測から3次元形状の点集合表現を用いて完全な幾何学を予測するタスクである。 従来のアプローチでは、不完全点集合によって供給されるエンコーダ・デコーダモデルにより、点雲全体を直接推定するニューラルネットワークが提案されていた。 本稿では、欠落した幾何を計算し、既知の入力と予測点クラウドを融合することに焦点を当てたエンドツーエンドニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-10-08T22:01:23Z)
• Self-Sampling for Neural Point Cloud Consolidation [83.31236364265403]
  本稿では,入力点クラウドのみから学習するニューラルポイントクラウドの統合技術を紹介する。 入力ポイントクラウドを、ディープニューラルネットワークのトレーニングに使用するグローバルサブセットで、繰り返し自己サンプルします。 様々な形状から点集合を集約する能力を示すとともに,出力器やノイズを除去する能力を示す。
  論文  参考訳（メタデータ） (2020-08-14T17:16:02Z)
• Global Context Aware Convolutions for 3D Point Cloud Understanding [32.953907994511376]
  入力点クラウドから畳み込みへのグローバルコンテキスト情報の統合により特徴の区別を高める新しい畳み込み演算子を提案する。 次に畳み込みを行い、点とアンカーの特徴を最終的な回転不変の特徴に変換する。
  論文  参考訳（メタデータ） (2020-08-07T04:33:27Z)
• Point Cloud Completion by Learning Shape Priors [74.80746431691938]
  形状の先行には、完全点雲と部分点雲の両方の幾何学的情報が含まれる。 完全点から先行する形状を学習するための特徴アライメント戦略を設計し、微細な段階で部分的な事前を組み込むための粗い微妙な戦略を設計する。 我々はポイントクラウド完了タスクで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-08-02T04:00:32Z)
• 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)

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。