論文の概要: MonteBoxFinder: Detecting and Filtering Primitives to Fit a Noisy Point Cloud

• arxiv url: http://arxiv.org/abs/2207.14268v1
• Date: Thu, 28 Jul 2022 17:52:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-29 12:33:28.527742
• Title: MonteBoxFinder: Detecting and Filtering Primitives to Fit a Noisy Point Cloud
• Title（参考訳）: MonteBoxFinder:ノイズの多いポイントクラウドにフィットするプリミティブの検出とフィルタリング
• Authors: Micha\"el Ramamonjisoa, Sinisa Stekovic, Vincent Lepetit
• Abstract要約: ノイズの多い入力ポイントクラウドを与えられたMonteBoxFinderは、入力シーンにキュービイドを適合させる。 我々の主な貢献は離散最適化アルゴリズムであり、初期検出された立方体の密集集合から、ノイズの多いものから良い箱を効率的にフィルタリングすることができる。
• 参考スコア（独自算出の注目度）: 25.562758371642055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present MonteBoxFinder, a method that, given a noisy input point cloud, fits cuboids to the input scene. Our primary contribution is a discrete optimization algorithm that, from a dense set of initially detected cuboids, is able to efficiently filter good boxes from the noisy ones. Inspired by recent applications of MCTS to scene understanding problems, we develop a stochastic algorithm that is, by design, more efficient for our task. Indeed, the quality of a fit for a cuboid arrangement is invariant to the order in which the cuboids are added into the scene. We develop several search baselines for our problem and demonstrate, on the ScanNet dataset, that our approach is more efficient and precise. Finally, we strongly believe that our core algorithm is very general and that it could be extended to many other problems in 3D scene understanding.
• Abstract（参考訳）: ノイズの多い入力ポイントクラウドを与えられたMonteBoxFinderは、入力シーンにキュービイドを適合させる。 我々の主な貢献は離散最適化アルゴリズムであり、初期検出された立方体の密集集合から、ノイズの多いものから良い箱を効率的にフィルタリングすることができる。 MCTSのシーン理解問題への最近の応用に触発されて、我々は、より効率的に設計できる確率的アルゴリズムを開発した。 実際、立方体配置の適合性は、立方体がシーンに付加される順序に不変である。 この問題に対する検索ベースラインを複数開発し,scannetデータセット上でより効率的かつ正確であることを実証した。 最後に、我々のコアアルゴリズムは非常に一般的なものであり、3Dシーン理解における他の多くの問題にまで拡張できると強く信じている。

関連論文リスト

• Robust compressive tracking via online weighted multiple instance learning [0.6813925418351435]
  本稿では,スパース表現と重み付きマルチインスタンス学習(WMIL)アルゴリズムに基づく粗い検索戦略を統合することで,ビジュアルオブジェクト追跡アルゴリズムを提案する。 提案手法は,他のトラッカーと比較して,粗大な探索法によりより複雑度が低く,重要なサンプルの重み付けも可能である。
  論文  参考訳（メタデータ） (2024-06-14T10:48:17Z)
• Optimistic Query Routing in Clustering-based Approximate Maximum Inner Product Search [9.01394829787271]
  クラスタリングに基づく最大内部積探索(MIPS)におけるルーティングの問題について検討する。 最大内積を楽観的に推定するために,各シャード内の内積分布のモーメントを組み込んだ新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-20T17:47:18Z)
• Clustering based Point Cloud Representation Learning for 3D Analysis [80.88995099442374]
  本稿では,ポイントクラウド分析のためのクラスタリングに基づく教師付き学習手法を提案する。 現在のデファクトでシーンワイドなトレーニングパラダイムとは異なり、我々のアルゴリズムは点埋め込み空間上でクラス内のクラスタリングを行う。 我々のアルゴリズムは、有名なポイントクラウドセグメンテーションデータセットの顕著な改善を示している。
  論文  参考訳（メタデータ） (2023-07-27T03:42:12Z)
• Split, Merge, and Refine: Fitting Tight Bounding Boxes via Over-Segmentation and Iterative Search [15.29167642670379]
  本稿では,3次元形状の密接な束縛箱の集合を,過剰な分割と反復的なマージと精錬によって見つけるための新しい枠組みを提案する。 思慮深い評価により、トレーニングデータや監督を必要とせず、完全なカバレッジ、厳密さ、適切な数のバウンディングボックスを提示する。
  論文  参考訳（メタデータ） (2023-04-10T00:25:15Z)
• CloudAttention: Efficient Multi-Scale Attention Scheme For 3D Point Cloud Learning [81.85951026033787]
  この作業にトランスフォーマーをセットし、それらを形状分類と部分およびシーンセグメンテーションのための階層的なフレームワークに組み込む。 また、各イテレーションにおけるサンプリングとグループ化を活用して、効率的でダイナミックなグローバルなクロスアテンションを計算します。 提案した階層モデルは,最先端の形状分類を平均精度で達成し,従来のセグメンテーション法と同等の結果を得る。
  論文  参考訳（メタデータ） (2022-07-31T21:39:15Z)
• A Metaheuristic Algorithm for Large Maximum Weight Independent Set Problems [58.348679046591265]
  ノード重み付きグラフが与えられたとき、ノード重みが最大となる独立した(相互に非隣接な)ノードの集合を見つける。 このアプリケーションで放送されるグラフの中には、数十万のノードと数億のエッジを持つ大きなものもあります。 我々は,不規則なランダム化適応検索フレームワークにおいてメタヒューリスティックな新しい局所探索アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-03-28T21:34:16Z)
• MonteFloor: Extending MCTS for Reconstructing Accurate Large-Scale Floor Plans [41.31546857809168]
  うるさい3次元点雲からフロアプランを再構成する新しい手法を提案する。 私たちの主な貢献は、モンテカルロ木探索(mcts)アルゴリズムに依存する原則に基づくアプローチです。 本手法は, 構造化3Dおよびフロア-SPデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2021-03-20T11:36:49Z)
• Monte Carlo Scene Search for 3D Scene Understanding [32.44637386239888]
  雑音の多いRGB-Dスキャンからオブジェクトや部屋のレイアウトを検索するために,モンテカルロ木探索法(MCTS)の修正を提案する。 MCTSはゲームプレイングアルゴリズムとして開発されたが、複雑な知覚問題にも使用できることを示す。
  論文  参考訳（メタデータ） (2021-03-14T16:33:28Z)
• Online Dense Subgraph Discovery via Blurred-Graph Feedback [87.9850024070244]
  我々は高密度サブグラフ発見のための新しい学習問題を導入する。 まず,確率の高いほぼ最適解を求めるエッジ時間アルゴリズムを提案する。 そして、理論的保証のあるよりスケーラブルなアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-06-24T11:37:33Z)
• GeoDA: a geometric framework for black-box adversarial attacks [79.52980486689287]
  我々は,最も困難なブラックボックス設定の1つにおいて,逆例を生成するためのフレームワークを提案する。 我々のフレームワークは、ディープネットワークの決定境界は通常、データサンプルの近傍で小さな平均曲率を持つという観察に基づいている。
  論文  参考訳（メタデータ） (2020-03-13T20:03:01Z)
• Learning multiview 3D point cloud registration [74.39499501822682]
  本稿では,エンドツーエンドで学習可能なマルチビュー3Dポイントクラウド登録アルゴリズムを提案する。 このアプローチは、エンドツーエンドのトレーニングが可能で、計算コストが小さく、最先端のマージンよりも優れています。
  論文  参考訳（メタデータ） (2020-01-15T03:42:14Z)

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。