Fugu-MT 論文翻訳(概要): DANet: Density Adaptive Convolutional Network with Interactive Attention for 3D Point Clouds

論文の概要: DANet: Density Adaptive Convolutional Network with Interactive Attention for 3D Point Clouds

arxiv url: http://arxiv.org/abs/2303.04473v1
Date: Wed, 8 Mar 2023 09:46:31 GMT
ステータス: 処理完了
システム内更新日: 2023-03-09 14:31:55.859641
Title: DANet: Density Adaptive Convolutional Network with Interactive Attention for 3D Point Clouds
Title（参考訳）: DANet:3次元点雲に対する対話的注意を伴う密度適応畳み込みネットワーク
Authors: Yong He, Hongshan Yu, Zhengeng Yang, Wei Sun, Mingtao Feng, Ajmal Mian
Abstract要約: ローカル機能とコンテキスト依存は、3Dポイントクラウド分析に不可欠である。 DAConvという密度適応型畳み込みを提案する。 IAMは、異なる空間方向に沿ってチャネルアテンションに空間情報を埋め込む。
参考スコア（独自算出の注目度）: 30.54110361164338
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Local features and contextual dependencies are crucial for 3D point cloud analysis. Many works have been devoted to designing better local convolutional kernels that exploit the contextual dependencies. However, current point convolutions lack robustness to varying point cloud density. Moreover, contextual modeling is dominated by non-local or self-attention models which are computationally expensive. To solve these problems, we propose density adaptive convolution, coined DAConv. The key idea is to adaptively learn the convolutional weights from geometric connections obtained from the point density and position. To extract precise context dependencies with fewer computations, we propose an interactive attention module (IAM) that embeds spatial information into channel attention along different spatial directions. DAConv and IAM are integrated in a hierarchical network architecture to achieve local density and contextual direction-aware learning for point cloud analysis. Experiments show that DAConv is significantly more robust to point density compared to existing methods and extensive comparisons on challenging 3D point cloud datasets show that our network achieves state-of-the-art classification results of 93.6% on ModelNet40, competitive semantic segmentation results of 68.71% mIoU on S3DIS and part segmentation results of 86.7% mIoU on ShapeNet.
Abstract（参考訳）: ローカル機能とコンテキスト依存は、3Dポイントクラウド分析に不可欠である。多くの作業は、文脈依存を利用するより優れた局所畳み込みカーネルを設計することに費やされてきた。しかし、現在の点畳み込みは、異なる点雲密度に対する堅牢性に欠ける。さらに、文脈モデリングは計算コストのかかる非局所的あるいは自己意図的なモデルに支配されている。これらの問題を解決するために,密度適応型畳み込み,DAConvを提案する。重要なアイデアは、点密度と位置から得られた幾何接続から畳み込み重みを適応的に学習することである。少ない計算量で正確な文脈依存性を抽出するために,空間情報を異なる方向に沿ってチャネルの注意に埋め込む対話型アテンションモジュール(iam)を提案する。 DAConvとIAMは階層型ネットワークアーキテクチャに統合され、ポイントクラウド分析のための局所密度とコンテキスト方向認識学習を実現する。実験の結果、DAConvは既存の3Dポイントクラウドデータセットと比較して、ポイント密度に対してかなり堅牢であり、我々のネットワークは、ModelNet40の93.6%の最先端分類結果、S3DISの68.71% mIoUの競合セマンティックセグメンテーション結果、ShapeNetの86.7% mIoUのパートセグメンテーション結果を達成した。

関連論文リスト

PVContext: Hybrid Context Model for Point Cloud Compression [61.24130634750288]
我々は,効率的なオクツリーベースのポイントクラウド圧縮のためのハイブリッドコンテキストモデルPVContextを提案する。 PVContextは、ボクセルを用いて局所幾何学情報を正確に表現するVoxel Contextと、ポイントクラウドからグローバルな形状情報を効率的に保存するPoint Contextの2つのコンポーネントから構成される。
論文参考訳（メタデータ） (2024-09-19T12:47:35Z)
PointViG: A Lightweight GNN-based Model for Efficient Point Cloud Analysis [42.187844778761935]
本研究では,点雲解析のための効率的なフレームワークであるb>Pointb>sion b>Gb>NN(PointViG)を紹介する。 PointViGには、ローカル機能を効率的に集約する軽量なグラフ畳み込みモジュールが組み込まれている。実験により、PointViGは最先端のモデルに匹敵する性能を達成することが示された。
論文参考訳（メタデータ） (2024-07-01T02:55:45Z)
IPoD: Implicit Field Learning with Point Diffusion for Generalizable 3D Object Reconstruction from Single RGB-D Images [50.4538089115248]
シングルビューRGB-D画像からの3Dオブジェクトの汎用化は依然として難しい課題である。本稿では,暗黙の場学習と点拡散を調和させる新しい手法IPoDを提案する。 CO3D-v2データセットによる実験では、IPoDの優位性が確認され、Fスコアは7.8%、チャンファー距離は28.6%向上した。
論文参考訳（メタデータ） (2024-03-30T07:17:37Z)
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)
Semantic Segmentation on 3D Point Clouds with High Density Variations [44.467561618769714]
HDVNetにはネストしたエンコーダとデコーダの経路があり、それぞれが特定の点密度範囲を扱う。入力密度の変動を効果的に処理することにより、HDVNetは、非一貫性密度の実点雲上でのセグメンテーション精度において最先端のモデルより優れる。
論文参考訳（メタデータ） (2023-07-04T05:44:13Z)
Spatial Layout Consistency for 3D Semantic Segmentation [0.7614628596146599]
本稿では,ALTMの点雲のボクセルに基づくセマンティックセマンティックセグメンテーションを実現するための,新しいディープ畳み込みニューラルネットワーク(DCNN)手法を提案する。提案する深層学習手法であるセマンティック・ユーティリティ・ネットワーク(SUNet)は多次元・多次元ネットワークである。実験により,SuNetの空間的レイアウトの整合性とマルチレゾリューション機能アグリゲーションにより,性能が大幅に向上することを示した。
論文参考訳（メタデータ） (2023-03-02T03:24:21Z)
SVNet: Where SO(3) Equivariance Meets Binarization on Point Cloud Representation [65.4396959244269]
本論文は,3次元学習アーキテクチャを構築するための一般的なフレームワークを設計することによる課題に対処する。提案手法はPointNetやDGCNNといった一般的なバックボーンに適用できる。 ModelNet40、ShapeNet、および実世界のデータセットであるScanObjectNNの実験では、この手法が効率、回転、精度の間の大きなトレードオフを達成することを示した。
論文参考訳（メタデータ） (2022-09-13T12:12:19Z)
PointAttN: You Only Need Attention for Point Cloud Completion [89.88766317412052]
ポイント・クラウド・コンプリート(Point cloud completion)とは、部分的な3次元ポイント・クラウドから3次元の形状を完成させることである。そこで我々は,kNNを除去するために,ポイントクラウドをポイント単位に処理する新しいニューラルネットワークを提案する。提案するフレームワークであるPointAttNはシンプルで簡潔で効果的であり、3次元形状の構造情報を正確に捉えることができる。
論文参考訳（メタデータ） (2022-03-16T09:20:01Z)
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)
Shape-Oriented Convolution Neural Network for Point Cloud Analysis [59.405388577930616]
ポイントクラウドは3次元幾何学情報符号化に採用されている主要なデータ構造である。形状指向型メッセージパッシング方式であるShapeConvを提案する。
論文参考訳（メタデータ） (2020-04-20T16:11:51Z)
MNEW: Multi-domain Neighborhood Embedding and Weighting for Sparse Point Clouds Segmentation [1.2380933178502298]
マルチドメインの近傍埋め込みや,その幾何学的距離,特徴的類似度,周辺空間の疎度に基づく注意重み付けなどを含むMNEWを提案する。 MNEWは、LiDARベースの自動運転認識の適用において重要であるスパースポイントクラウドの最高性能を達成する。
論文参考訳（メタデータ） (2020-04-05T18:02:07Z)

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。