論文の概要: FEC: Fast Euclidean Clustering for Point Cloud Segmentation

• arxiv url: http://arxiv.org/abs/2208.07678v1
• Date: Tue, 16 Aug 2022 11:30:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-17 12:37:35.664423
• Title: FEC: Fast Euclidean Clustering for Point Cloud Segmentation
• Title（参考訳）: FEC: ポイントクラウドセグメンテーションのための高速ユークリッドクラスタリング
• Authors: Yu Cao, Yancheng Wang, Yifei Xue, Huiqing Zhang, Yizhen Lao
• Abstract要約: 計算要求の少ないクラウドインスタンスセグメンテーションの高速解を提案する。 本稿では,既存の作業で使用されるクラスタワイズ方式に対して,ポイントワイズ方式を適用した新しい高速ユークリッドクラスタリング(FEC)アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 9.347963580679162
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Segmentation from point cloud data is essential in many applications such as remote sensing, mobile robots, or autonomous cars. However, the point clouds captured by the 3D range sensor are commonly sparse and unstructured, challenging efficient segmentation. In this paper, we present a fast solution to point cloud instance segmentation with small computational demands. To this end, we propose a novel fast Euclidean clustering (FEC) algorithm which applies a pointwise scheme over the clusterwise scheme used in existing works. Our approach is conceptually simple, easy to implement (40 lines in C++), and achieves two orders of magnitudes faster against the classical segmentation methods while producing high-quality results.
• Abstract（参考訳）: ポイントクラウドデータからのセグメンテーションは、リモートセンシング、モバイルロボット、自動運転車など、多くのアプリケーションで不可欠である。 しかし、3Dレンジセンサーによって捕捉される点雲は、通常、疎く、非構造的で、効率的なセグメンテーションである。 本稿では,小さな計算要求を伴って,クラウドインスタンスのセグメンテーションを高速化する手法を提案する。 そこで本研究では,既存の作業で用いられるクラスタワイズスキームに対して,ポイントワイズスキームを適用する新しい高速ユークリッドクラスタリング(fec)アルゴリズムを提案する。 提案手法は概念的にシンプルで実装が簡単であり(C++では40行)、古典的セグメンテーション法に比べて2桁の精度で高速な結果が得られる。

関連論文リスト

• FreePoint: Unsupervised Point Cloud Instance Segmentation [72.64540130803687]
  点クラウド上の教師なしクラス非依存のインスタンスセグメンテーションを探索するためのFreePointを提案する。 我々は、座標、色、そして自己監督の深い特徴を組み合わせることで、点の特徴を表現する。 ポイント機能に基づいて、ポイントクラウドを擬似ラベルとして粗いインスタンスマスクに分割し、ポイントクラウドインスタンスセグメンテーションモデルをトレーニングする。
  論文  参考訳（メタデータ） (2023-05-11T16:56:26Z)
• Efficient Graph Field Integrators Meet Point Clouds [59.27295475120132]
  点雲を符号化するグラフ上での効率的な場積分のためのアルゴリズムを2種類提案する。 第1のクラスであるSeparatorFactorization(SF)は、ポイントメッシュグラフの有界属を利用するが、第2のクラスであるRFDiffusion(RFD)は、ポイントクラウドの一般的なepsilon-nearest-neighborグラフ表現を使用する。
  論文  参考訳（メタデータ） (2023-02-02T08:33:36Z)
• 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)
• PointInst3D: Segmenting 3D Instances by Points [136.7261709896713]
  本稿では,ポイント単位の予測方式で機能する,完全畳み込み型3Dポイントクラウドインスタンスセグメンテーション手法を提案する。 その成功の鍵は、各サンプルポイントに適切なターゲットを割り当てることにある。 提案手法はScanNetとS3DISのベンチマークで有望な結果が得られる。
  論文  参考訳（メタデータ） (2022-04-25T02:41:46Z)
• MVP-Net: Multiple View Pointwise Semantic Segmentation of Large-Scale Point Clouds [13.260488842875649]
  本稿では,KNNや複雑な前/後処理を使わずに大規模屋外点クラウドを効率的に推論する,エンドツーエンドのニューラルネットワークであるMultiple View Pointwise Net,MVP-Netを提案する。 数値実験により,提案したMVP-Netは,最も効率的なポイントワイドセマンティックセマンティックセグメンテーション法であるRandLA-Netの11倍高速であることがわかった。
  論文  参考訳（メタデータ） (2022-01-30T09:43:00Z)
• CPSeg: Cluster-free Panoptic Segmentation of 3D LiDAR Point Clouds [2.891413712995641]
  CPSegと呼ばれるLiDAR点雲のための新しいリアルタイム・エンド・エンド・エンド・パノプティクス・セグメンテーション・ネットワークを提案する。 CPSegは、共有エンコーダ、デュアルデコーダ、タスク認識アテンションモジュール(TAM)、クラスタフリーインスタンスセグメンテーションヘッドを備える。
  論文  参考訳（メタデータ） (2021-11-02T16:44:06Z)
• A Technical Survey and Evaluation of Traditional Point Cloud Clustering Methods for LiDAR Panoptic Segmentation [11.138159123596669]
  LiDARのパノプティカルセグメンテーションは、自動運転のための新しい技術課題である。 既存のセマンティックセグメンテーションネットワークを用いたハイブリッド手法を提案し,セマンティック情報を抽出する。 パン光学セグメンテーションリーダーボード上で、すべてのエンドツーエンドディープラーニングソリューションの中で、最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2021-08-21T14:59:02Z)
• Learning Semantic Segmentation of Large-Scale Point Clouds with Random Sampling [52.464516118826765]
  我々はRandLA-Netを紹介した。RandLA-Netは、大規模ポイントクラウドのポイントごとの意味を推論する、効率的で軽量なニューラルネットワークアーキテクチャである。 我々のアプローチの鍵は、より複雑な点選択アプローチではなく、ランダムな点サンプリングを使用することである。 我々のRandLA-Netは、既存のアプローチよりも最大200倍高速な1回のパスで100万ポイントを処理できます。
  論文  参考訳（メタデータ） (2021-07-06T05:08:34Z)
• DyCo3D: Robust Instance Segmentation of 3D Point Clouds through Dynamic Convolution [136.7261709896713]
  本稿では,インスタンスの性質に応じて適切な畳み込みカーネルを生成するデータ駆動型アプローチを提案する。 提案手法はScanetNetV2とS3DISの両方で有望な結果が得られる。 また、現在の最先端よりも推論速度を25%以上向上させる。
  論文  参考訳（メタデータ） (2020-11-26T14:56:57Z)

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。