論文の概要: CRIN: Rotation-Invariant Point Cloud Analysis and Rotation Estimation
via Centrifugal Reference Frame
- arxiv url: http://arxiv.org/abs/2303.03101v1
- Date: Mon, 6 Mar 2023 13:14:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 16:04:55.970672
- Title: CRIN: Rotation-Invariant Point Cloud Analysis and Rotation Estimation
via Centrifugal Reference Frame
- Title(参考訳): CRIN:遠心基準フレームによる回転不変点雲解析と回転推定
- Authors: Yujing Lou, Zelin Ye, Yang You, Nianjuan Jiang, Jiangbo Lu, Weiming
Wang, Lizhuang Ma, Cewu Lu
- Abstract要約: CRIN,すなわち遠心回転不変ネットワークを提案する。
CRINは点の座標を直接入力として取り、局所点を回転不変表現に変換する。
点に基づく3次元回転の連続分布を導入する。
- 参考スコア(独自算出の注目度): 60.24797081117877
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Various recent methods attempt to implement rotation-invariant 3D deep
learning by replacing the input coordinates of points with relative distances
and angles. Due to the incompleteness of these low-level features, they have to
undertake the expense of losing global information. In this paper, we propose
the CRIN, namely Centrifugal Rotation-Invariant Network. CRIN directly takes
the coordinates of points as input and transforms local points into
rotation-invariant representations via centrifugal reference frames. Aided by
centrifugal reference frames, each point corresponds to a discrete rotation so
that the information of rotations can be implicitly stored in point features.
Unfortunately, discrete points are far from describing the whole rotation
space. We further introduce a continuous distribution for 3D rotations based on
points. Furthermore, we propose an attention-based down-sampling strategy to
sample points invariant to rotations. A relation module is adopted at last for
reinforcing the long-range dependencies between sampled points and predicts the
anchor point for unsupervised rotation estimation. Extensive experiments show
that our method achieves rotation invariance, accurately estimates the object
rotation, and obtains state-of-the-art results on rotation-augmented
classification and part segmentation. Ablation studies validate the
effectiveness of the network design.
- Abstract(参考訳): 最近の様々な方法では、点の入力座標を相対距離と角度に置き換え、回転不変な3次元ディープラーニングを実装しようとしている。
これらの低レベルの特徴が不完全であるため、グローバルな情報を失う費用を負担しなければならない。
本稿では,CRIN,すなわち遠心回転不変ネットワークを提案する。
CRINは点の座標を直接入力として取り、遠心基準フレームを介して局所点を回転不変表現に変換する。
遠心基準フレームの支援により、各点が離散回転に対応し、回転の情報は暗黙的に点特徴に格納される。
残念ながら、離散点は回転空間全体を記述するには程遠い。
さらに,点に基づく3次元回転の連続分布を導入する。
さらに,回転に不変な点をサンプリングするための注意に基づくダウンサンプリング戦略を提案する。
最後に、サンプル点間の長距離依存性を強化するための関係モジュールを採用し、教師なし回転推定のためのアンカーポイントを予測する。
広範な実験により, 回転不変性を達成し, 物体の回転を正確に推定し, 回転誘導分類と部分分割に関する最新結果を得た。
アブレーション研究はネットワーク設計の有効性を検証する。
関連論文リスト
- Rotation-Invariant Transformer for Point Cloud Matching [42.5714375149213]
我々は,回転不変変換器であるRoITrを導入し,点クラウドマッチングタスクにおけるポーズ変動に対処する。
本稿では,自己認識機構によって学習した,回転不変なクロスフレーム空間認識を備えたグローバルトランスフォーマーを提案する。
RoITrは、Inlier RatioとRegistration Recallの点で、既存のメソッドを少なくとも13と5のパーセンテージで上回っている。
論文 参考訳(メタデータ) (2023-03-14T20:55:27Z) - PRIN/SPRIN: On Extracting Point-wise Rotation Invariant Features [91.2054994193218]
点群解析における回転不変特徴抽出に着目した点集合学習フレームワークPRINを提案する。
さらに、PRINをスパースポイントクラウド上で直接動作するSPRINと呼ばれるスパースバージョンに拡張します。
その結果、ランダムに回転した点群を持つデータセットでは、SPRINはデータ拡張なしで最先端の方法よりも優れたパフォーマンスを発揮します。
論文 参考訳(メタデータ) (2021-02-24T06:44:09Z) - Robust Kernel-based Feature Representation for 3D Point Cloud Analysis
via Circular Graph Convolutional Network [2.42919716430661]
本稿では,回転,密度,スケール変動に堅牢な新しい局所特徴記述法を提案する。
局所記述子の表現を改善するために,グローバルアグリゲーション手法を提案する。
本手法は最先端手法と比較して優れた性能を示す。
論文 参考訳(メタデータ) (2020-12-22T18:02:57Z) - Deep Positional and Relational Feature Learning for Rotation-Invariant
Point Cloud Analysis [107.9979381402172]
点雲解析のための回転不変深層ネットワークを提案する。
ネットワークは階層的であり、位置的特徴埋め込みブロックと関係的特徴埋め込みブロックという2つのモジュールに依存している。
実験では、ベンチマークデータセット上で最先端の分類とセグメンテーション性能を示す。
論文 参考訳(メタデータ) (2020-11-18T04:16:51Z) - A Rotation-Invariant Framework for Deep Point Cloud Analysis [132.91915346157018]
ネットワーク入力時に一般的な3次元カルト座標を置き換えるために,新しい低レベル純粋回転不変表現を導入する。
また,これらの表現を特徴に組み込むネットワークアーキテクチャを提案し,点とその近傍の局所的関係とグローバルな形状構造を符号化する。
本手法は, 形状分類, 部分分割, 形状検索を含む多点雲解析タスクにおいて評価する。
論文 参考訳(メタデータ) (2020-03-16T14:04:45Z) - Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。
我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。
LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手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) (2020-02-29T06:24:55Z) - Quaternion Equivariant Capsule Networks for 3D Point Clouds [58.566467950463306]
本稿では,3次元回転と翻訳に同値な点雲を処理するための3次元カプセルモジュールを提案する。
カプセル間の動的ルーティングをよく知られたWeiszfeldアルゴリズムに接続する。
オペレーターに基づいて、ポーズから幾何学をアンタングルするカプセルネットワークを構築します。
論文 参考訳(メタデータ) (2019-12-27T13:51:17Z)
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。