論文の概要: A Comparative Study of Feature Expansion Unit for 3D Point Cloud Upsampling

• arxiv url: http://arxiv.org/abs/2205.09594v1
• Date: Thu, 19 May 2022 14:36:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-20 13:58:53.742601
• Title: A Comparative Study of Feature Expansion Unit for 3D Point Cloud Upsampling
• Title（参考訳）: 3次元点雲アップサンプリングのための特徴拡張ユニットの比較検討
• Authors: Qiang Li, Tao Dai, Shu-Tao Xia
• Abstract要約: 既存の機能拡張ユニットのほとんどは、各ポイント機能を独立して処理していることを示す。 画像超解像のアップサンプリングモジュールに着想を得て,ProEdgeShuffleという機能拡張ユニットを提案する。
• 参考スコア（独自算出の注目度）: 70.16140506187475
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, deep learning methods have shown great success in 3D point cloud upsampling. Among these methods, many feature expansion units were proposed to complete point expansion at the end. In this paper, we compare various feature expansion units by both theoretical analysis and quantitative experiments. We show that most of the existing feature expansion units process each point feature independently, while ignoring the feature interaction among different points. Further, inspired by upsampling module of image super-resolution and recent success of dynamic graph CNN on point clouds, we propose a novel feature expansion units named ProEdgeShuffle. Experiments show that our proposed method can achieve considerable improvement over previous feature expansion units.
• Abstract（参考訳）: 近年,深層学習手法は3次元点雲のアップサンプリングにおいて大きな成功を収めている。 これらの方法のうち、多くの特徴拡張ユニットが最後に点展開を完了するために提案された。 本稿では,様々な特徴拡張単位を理論的解析と定量的実験により比較する。 既存の機能拡張ユニットのほとんどは、各ポイントの機能を独立して処理するが、異なるポイント間の機能インタラクションは無視できる。 さらに、画像超解像のアップサンプリングモジュールと最近の点雲上の動的グラフCNNの成功に触発されて、ProEdgeShuffleという新しい機能拡張ユニットを提案する。 実験の結果,提案手法は従来の特徴拡張ユニットよりも大幅に改善できることがわかった。

関連論文リスト

• PointHPS: Cascaded 3D Human Pose and Shape Estimation from Point Clouds [99.60575439926963]
  本稿では,実環境で捉えた点雲から正確な3次元HPSを実現するための基本的フレームワークであるPointHPSを提案する。 PointHPSは、カスケードアーキテクチャを通じてポイント機能を反復的に洗練する。 広範囲な実験により、ポイントHPSは強力な特徴抽出と処理方式を持ち、State-of-the-Art法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-08-28T11:10:14Z)
• Grad-PU: Arbitrary-Scale Point Cloud Upsampling via Gradient Descent with Learned Distance Functions [77.32043242988738]
  我々は、任意のアップサンプリングレートをサポートする、正確なポイントクラウドアップサンプリングのための新しいフレームワークを提案する。 提案手法は,まず,所定のアップサンプリング率に応じて低解像度の雲を補間する。
  論文  参考訳（メタデータ） (2023-04-24T06:36:35Z)
• Joint Geometry and Attribute Upsampling of Point Clouds Using Frequency-Selective Models with Overlapped Support [4.211128681972148]
  本稿では,周波数選択型アップサンプリング(FSU)を提案する。 平面間誤差と平面-平面角類似性の観点から,提案したFSUの最適性能を示す。
  論文  参考訳（メタデータ） (2023-01-27T10:20:06Z)
• BIMS-PU: Bi-Directional and Multi-Scale Point Cloud Upsampling [60.257912103351394]
  我々はBIMS-PUと呼ばれる新しいポイント・クラウド・アップサンプリング・パイプラインを開発した。 対象のサンプリング因子を小さな因子に分解することにより,アップ/ダウンサンプリング手順をいくつかのアップ/ダウンサンプリングサブステップに分解する。 提案手法は最先端手法よりも優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-25T13:13:37Z)
• Spotlights: Probing Shapes from Spherical Viewpoints [25.824284796437652]
  本研究では3次元形状を1次元の奥行き値のコンパクトな配列として表現するスポットライトと呼ばれる新しいサンプリングモデルを提案する。 球面上に均等に分布するカメラの構成をシミュレートし、それぞれの仮想カメラがその主点から小さな同心球状キャップに試料点を通して光線を流し、球面に囲まれた物体との交点を探索する。
  論文  参考訳（メタデータ） (2022-05-25T08:23:18Z)
• Self-Supervised Arbitrary-Scale Point Clouds Upsampling via Implicit Neural Representation [79.60988242843437]
  そこで本研究では,自己監督型および倍率フレキシブルな点雲を同時にアップサンプリングする手法を提案する。 実験結果から, 自己教師あり学習に基づく手法は, 教師あり学習に基づく手法よりも, 競争力や性能が向上することが示された。
  論文  参考訳（メタデータ） (2022-04-18T07:18:25Z)
• RPG: Learning Recursive Point Cloud Generation [12.499700765561874]
  本稿では,意味部品からなる3次元点雲を再構成し,生成できる新しい点雲生成器を提案する。 本稿では,生成タスクと再構築タスクの両方において,提案するジェネレータの性能が同等かそれ以上であることを示す。
  論文  参考訳（メタデータ） (2021-05-29T15:01:52Z)
• Associate-3Ddet: Perceptual-to-Conceptual Association for 3D Point Cloud Object Detection [64.2159881697615]
  3Dポイント雲からの物体検出は依然として難しい課題だが、最近の研究ではディープラーニング技術によって封筒を推し進めている。 本稿では,特徴表現の堅牢性を高めるために,ドメイン適応のようなアプローチを提案する。 我々の単純で効果的なアプローチは、3Dポイントクラウドオブジェクト検出の性能を根本的に向上させ、最先端の結果を達成する。
  論文  参考訳（メタデータ） (2020-06-08T05:15:06Z)

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。