Fugu-MT 論文翻訳(概要): Human Vision Based 3D Point Cloud Semantic Segmentation of Large-Scale Outdoor Scene

論文の概要: Human Vision Based 3D Point Cloud Semantic Segmentation of Large-Scale Outdoor Scene

arxiv url: http://arxiv.org/abs/2301.12972v3
Date: Mon, 12 Jun 2023 16:54:05 GMT
ステータス: 処理完了
システム内更新日: 2023-06-14 01:32:09.138397
Title: Human Vision Based 3D Point Cloud Semantic Segmentation of Large-Scale Outdoor Scene
Title（参考訳）: 人間の視覚に基づく大規模屋外シーンの3次元クラウドセマンティックセマンティックセグメンテーション
Authors: Sunghwan Yoo, Yeongjeong Jeong, Maryam Jameela, Gunho Sohn
Abstract要約: EyeNetは、ポイントクラウドのための新しいセマンティックセマンティックセマンティクスネットワークである。人間の周辺視にインスパイアされたEyeNetは、シンプルだが効率的なマルチパターン入力を導入することで、従来のネットワークの限界を克服する。提案手法は,我々のアブレーション研究や大規模屋外データセットの最先端性能など,高密度点雲の課題に効果的に対処する。
参考スコア（独自算出の注目度）: 0.5735035463793007
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper proposes EyeNet, a novel semantic segmentation network for point clouds that addresses the critical yet often overlooked parameter of coverage area size. Inspired by human peripheral vision, EyeNet overcomes the limitations of conventional networks by introducing a simple but efficient multi-contour input and a parallel processing network with connection blocks between parallel streams. The proposed approach effectively addresses the challenges of dense point clouds, as demonstrated by our ablation studies and state-of-the-art performance on Large-Scale Outdoor datasets.
Abstract（参考訳）: 本稿では,可読領域サイズの重要かつしばしば見過ごされるパラメータに対処する,ポイントクラウドのための新しい意味セグメンテーションネットワークであるeyenetを提案する。人間の周辺視に触発されたEyeNetは、単純なマルチパターン入力と並列ストリーム間の接続ブロックを持つ並列処理ネットワークを導入することで、従来のネットワークの限界を克服する。提案手法は,我々のアブレーション研究や大規模屋外データセットの最先端性能など,高密度点雲の課題に効果的に対処する。

関連論文リスト

FuNNscope: Visual microscope for interactively exploring the loss landscape of fully connected neural networks [77.34726150561087]
ニューラルネットワークの高次元景観特性を探索する方法を示す。我々は、小さなニューラルネットワークの観測結果をより複雑なシステムに一般化する。インタラクティブダッシュボードは、いくつかのアプリケーションネットワークを開放する。
論文参考訳（メタデータ） (2022-04-09T16:41:53Z)
Voint Cloud: Multi-View Point Cloud Representation for 3D Understanding [80.04281842702294]
本稿では,複数の視点から抽出した特徴の集合として,各3次元点を表す多視点クラウド(Voint Cloud)の概念を紹介する。この新しい3次元Vointクラウド表現は、3Dポイントクラウド表現のコンパクト性と、マルチビュー表現の自然なビュー認識性を組み合わせたものである。理論的に確立された機能を持つVointニューラルネットワーク(VointNet)をデプロイし,Voint空間の表現を学習する。
論文参考訳（メタデータ） (2021-11-30T13:08:19Z)
Vis2Mesh: Efficient Mesh Reconstruction from Unstructured Point Clouds of Large Scenes with Learned Virtual View Visibility [17.929307870456416]
非構造点雲からのメッシュ再構築のための新しいフレームワークを提案する。仮想ビューと従来のグラフカットベースのメッシュ生成において、学習した3Dポイントの可視性を活用します。
論文参考訳（メタデータ） (2021-08-18T20:28:16Z)
Learning point embedding for 3D data processing [2.12121796606941]
現在の点ベース法は本質的に空間関係処理ネットワークである。 PE-Netは高次元空間における点雲の表現を学習する。実験によると、PE-Netは複数の挑戦的なデータセット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） (2021-07-19T00:25:28Z)
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)
FatNet: A Feature-attentive Network for 3D Point Cloud Processing [1.502579291513768]
本稿では,グローバルポイントベースの機能とエッジベースの機能を組み合わせた,新たな機能指向ニューラルネットワーク層であるfat layerを提案する。当社のアーキテクチャは,ModelNet40データセットで示すように,ポイントクラウド分類のタスクにおける最先端の成果を達成する。
論文参考訳（メタデータ） (2021-04-07T23:13:56Z)
Compositional Prototype Network with Multi-view Comparision for Few-Shot Point Cloud Semantic Segmentation [47.0611707526858]
完全に教師ありのポイントクラウドセグメンテーションネットワークは、しばしばポイントワイズアノテーションを持つ大量のデータを必要とする。少数のラベル付きトレーニングデータだけでポイントクラウドのセグメンテーションを行うことができるコンポジションプロトタイプネットワークを紹介します。画像中の少数の学習文献にインスパイアされたネットワークは、限られたトレーニングデータから予測のためのラベルのないテストデータに直接ラベル情報を転送します。
論文参考訳（メタデータ） (2020-12-28T15:01:34Z)
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)
Spherical Interpolated Convolutional Network with Distance-Feature Density for 3D Semantic Segmentation of Point Clouds [24.85151376535356]
従来のグリッド形状の3次元畳み込み演算子を置き換えるために,球面補間畳み込み演算子を提案する。提案手法は,ScanNetデータセットとParis-Lille-3Dデータセットで良好な性能を示す。
論文参考訳（メタデータ） (2020-11-27T15:35:12Z)
Pseudo-LiDAR Point Cloud Interpolation Based on 3D Motion Representation and Spatial Supervision [68.35777836993212]
我々はPseudo-LiDAR点雲ネットワークを提案し、時間的および空間的に高品質な点雲列を生成する。点雲間のシーンフローを活用することにより,提案ネットワークは3次元空間運動関係のより正確な表現を学習することができる。
論文参考訳（メタデータ） (2020-06-20T03:11:04Z)
GRNet: Gridding Residual Network for Dense Point Cloud Completion [54.43648460932248]
完全な3Dポイントクラウドを不完全なクラウドから推定することは、多くのビジョンやロボティクスアプリケーションにおいて重要な問題である。本稿では,ポイントクラウド補完のための新しいGridding Residual Network(GRNet)を提案する。実験結果から,提案したGRNetはShapeNet,Completion3D,KITTIベンチマークの最先端手法に対して良好に動作することがわかった。
論文参考訳（メタデータ） (2020-06-06T02:46:39Z)

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。