論文の概要: Salient Object Detection for Point Clouds

• arxiv url: http://arxiv.org/abs/2207.11889v1
• Date: Mon, 25 Jul 2022 03:35:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-26 14:49:24.290344
• Title: Salient Object Detection for Point Clouds
• Title（参考訳）: 点雲のサルエント物体検出
• Authors: Songlin Fan, Wei Gao, and Ge Li
• Abstract要約: 我々は、ポイントクラウドのシナリオにおいて最も目を引くオブジェクトを合理的に反映する、有能なオブジェクトのビュー依存の視点を新たに提示する。 我々は,2,872個のイン/アウトドア3DビューからなるポイントクラウドSODのための最初のデータセットであるPCSODを紹介する。 提案モデルでは,不規則点と不規則点を効果的に解析し,有意な物体を検出する。
• 参考スコア（独自算出の注目度）: 13.852801615283747
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper researches the unexplored task-point cloud salient object detection (SOD). Differing from SOD for images, we find the attention shift of point clouds may provoke saliency conflict, i.e., an object paradoxically belongs to salient and non-salient categories. To eschew this issue, we present a novel view-dependent perspective of salient objects, reasonably reflecting the most eye-catching objects in point cloud scenarios. Following this formulation, we introduce PCSOD, the first dataset proposed for point cloud SOD consisting of 2,872 in-/out-door 3D views. The samples in our dataset are labeled with hierarchical annotations, e.g., super-/sub-class, bounding box, and segmentation map, which endows the brilliant generalizability and broad applicability of our dataset verifying various conjectures. To evidence the feasibility of our solution, we further contribute a baseline model and benchmark five representative models for a comprehensive comparison. The proposed model can effectively analyze irregular and unordered points for detecting salient objects. Thanks to incorporating the task-tailored designs, our method shows visible superiority over other baselines, producing more satisfactory results. Extensive experiments and discussions reveal the promising potential of this research field, paving the way for further study.
• Abstract（参考訳）: 本稿では,未探索のタスクポイント・クラウド・サリエント・オブジェクト検出(SOD)について検討する。 画像に対するsodと異なり、点雲の注意シフトは、サルエントと非サルエントカテゴリにパラドックス的に属すような、塩分相反を引き起こす可能性がある。 この問題を回避するため,我々は,ポイントクラウドシナリオにおいて最も目を引く物体を合理的に反映する,サルエントオブジェクトの視点依存的な新たな視点を提案する。 この定式化に続いて,2,872個のイン/アウトドア3DビューからなるポイントクラウドSODのための最初のデータセットであるPCSODを紹介する。 私たちのデータセットのサンプルには、スーパー/サブクラス、バウンディングボックス、セグメンテーションマップといった階層的なアノテーションがラベル付けされています。 提案手法の有効性を示すため,ベースラインモデルと5つの代表モデルを総合的な比較のためにベンチマークする。 提案モデルでは,不規則点と不規則点を効果的に解析し,有意な物体を検出する。 タスク調整設計を取り入れることで,他のベースラインよりも目に見える優位性を示し,良好な結果が得られた。 広範な実験と議論は、この研究分野の有望な可能性を明らかにし、さらなる研究への道を開く。

関連論文リスト

• PointOBB: Learning Oriented Object Detection via Single Point Supervision [55.88982271340328]
  本稿では,オブジェクト指向物体検出のための最初の単一点ベース OBB 生成法である PointOBB を提案する。 PointOBBは、オリジナルビュー、リサイズビュー、ローテーション/フリップ(rot/flp)ビューの3つのユニークなビューの協調利用を通じて動作する。 DIOR-RとDOTA-v1.0データセットの実験結果は、PointOBBが有望な性能を達成することを示す。
  論文  参考訳（メタデータ） (2023-11-23T15:51:50Z)
• Exploring Active 3D Object Detection from a Generalization Perspective [58.597942380989245]
  不確実性に基づくアクティブな学習ポリシーは、ポイントクラウドの情報性とボックスレベルのアノテーションコストの間のトレードオフのバランスを取れません。 冗長な3次元境界ボックスラベルの点群を階層的にフィルタリングするtextscCrbを提案する。 実験により,提案手法が既存のアクティブラーニング戦略より優れていることが示された。
  論文  参考訳（メタデータ） (2023-01-23T02:43:03Z)
• Fast Camouflaged Object Detection via Edge-based Reversible Re-calibration Network [17.538512222905087]
  本稿では,ERRNetと呼ばれるエッジベースの可逆再校正ネットワークを提案する。 Selective Edge Aggregation(SEA)とReversible Re-calibration Unit(RRU)の2つの革新的な設計が特徴である。 実験の結果,ERRNetは3つのCODデータセットと5つの医用画像セグメンテーションデータセットで既存の最先端ベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2021-11-05T02:03:54Z)
• Salient Objects in Clutter [130.63976772770368]
  本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。 この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。 我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
  論文  参考訳（メタデータ） (2021-05-07T03:49:26Z)
• PC-RGNN: Point Cloud Completion and Graph Neural Network for 3D Object Detection [57.49788100647103]
  LiDARベースの3Dオブジェクト検出は、自動運転にとって重要なタスクです。 現在のアプローチでは、遠方および閉ざされた物体の偏りと部分的な点雲に苦しむ。 本稿では,この課題を2つの解決法で解決する新しい二段階アプローチ,pc-rgnnを提案する。
  論文  参考訳（メタデータ） (2020-12-18T18:06:43Z)
• 3D Object Classification on Partial Point Clouds: A Practical Perspective [91.81377258830703]
  点雲は3次元オブジェクト分類において一般的な形状表現である。 本稿では,任意のポーズの下でオブジェクトインスタンスの部分点雲を分類する実践的な設定を提案する。 本稿では,アライメント分類手法による新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-18T04:00:56Z)
• Cross-Modality 3D Object Detection [63.29935886648709]
  本稿では,3次元物体検出のための新しい2段階多モード融合ネットワークを提案する。 アーキテクチャ全体が2段階の融合を促進する。 KITTIデータセットを用いた実験により,提案したマルチステージ融合により,ネットワークがより良い表現を学習できることが示唆された。
  論文  参考訳（メタデータ） (2020-08-16T11:01:20Z)

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。