論文の概要: A Review of Panoptic Segmentation for Mobile Mapping Point Clouds

• arxiv url: http://arxiv.org/abs/2304.13980v1
• Date: Thu, 27 Apr 2023 07:07:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-28 14:16:33.487987
• Title: A Review of Panoptic Segmentation for Mobile Mapping Point Clouds
• Title（参考訳）: 移動型マッピングポイントクラウドのためのpanopticセグメンテーションの検討
• Authors: Binbin Xiang, Yuanwen Yue, Torben Peters, Konrad Schindler
• Abstract要約: 3Dポイント・クラウド・パノプティック・セグメンテーションは、(i)各ポイントをセマンティック・クラスに割り当て、(ii)各クラスのポイントをオブジェクト・インスタンスに分割する複合タスクである。 本稿では, 単眼セグメンテーションパイプラインの組み立てに必要なビルディングブロックとその関連文献について述べる。 路面マッピングの文脈において、一眼的セグメンテーションの状態を評価するための総合的、体系的な実験を行うために、モジュールパイプラインが設定される。
• 参考スコア（独自算出の注目度）: 17.87214563520352
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D point cloud panoptic segmentation is the combined task to (i) assign each point to a semantic class and (ii) separate the points in each class into object instances. Recently there has been an increased interest in such comprehensive 3D scene understanding, building on the rapid advances of semantic segmentation due to the advent of deep 3D neural networks. Yet, to date there is very little work about panoptic segmentation of outdoor mobile-mapping data, and no systematic comparisons. The present paper tries to close that gap. It reviews the building blocks needed to assemble a panoptic segmentation pipeline and the related literature. Moreover, a modular pipeline is set up to perform comprehensive, systematic experiments to assess the state of panoptic segmentation in the context of street mapping. As a byproduct, we also provide the first public dataset for that task, by extending the NPM3D dataset to include instance labels.
• Abstract（参考訳）: 3dポイントクラウド パンオプティカルセグメンテーションは、結合タスクである (i)各点を意味クラスに割り当て、 (ii)各クラスのポイントをオブジェクトインスタンスに分割する。 近年,深層ニューラルネットワークの出現によるセマンティックセグメンテーションの急速な進歩を基盤として,このような総合的な3Dシーン理解への関心が高まっている。 しかし、今のところ、屋外のモバイル・マッピングデータの単眼セグメンテーションに関する研究はほとんどなく、体系的な比較は行われていない。 本論文はその隙間を塞ごうとする。 汎視的セグメンテーションパイプラインの組み立てに必要なビルディングブロックと関連する文献をレビューする。 さらに、路面マッピングの文脈における汎視的セグメンテーションの状態を評価するために、網羅的で体系的な実験を行うためにモジュールパイプラインを設置する。 副産物として、NPM3Dデータセットをインスタンスラベルを含むように拡張することで、そのタスクのための最初のパブリックデータセットも提供します。

関連論文リスト

• Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
  Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。 セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
  論文  参考訳（メタデータ） (2024-11-25T10:14:10Z)
• LESS: Label-Efficient and Single-Stage Referring 3D Segmentation [55.06002976797879]
  参照3Dは、クエリの文で記述された3Dポイントクラウドから、指定されたオブジェクトのすべてのポイントをセグメントする視覚言語タスクである。 本稿では,LESSと呼ばれるレファレンス3次元パイプラインを提案する。 ScanReferデータセット上での最先端のパフォーマンスは、バイナリラベルのみを使用して、以前の3.7% mIoUの手法を上回ります。
  論文  参考訳（メタデータ） (2024-10-17T07:47:41Z)
• View-Consistent Hierarchical 3D Segmentation Using Ultrametric Feature Fields [52.08335264414515]
  我々は3次元シーンを表すニューラル・レージアンス・フィールド(NeRF)内の新しい特徴場を学習する。 本手法は、ビュー一貫性の多粒性2Dセグメンテーションを入力とし、3D一貫性のセグメンテーションの階層構造を出力として生成する。 提案手法と,多視点画像と多粒性セグメンテーションを用いた合成データセットのベースラインの評価を行い,精度と視点整合性を向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-30T04:14:58Z)
• Towards accurate instance segmentation in large-scale LiDAR point clouds [17.808580509435565]
  パノプティックセグメンテーション(英: Panoptic segmentation)は、セグメンテーションとインスタンスセグメンテーションの組み合わせである。 本研究では,オブジェクトインスタンスへのクラスタリング点に関する汎視的セグメンテーションパイプラインのステップについて検討する。 複数の学習点埋め込みを活用するクラスタリング戦略が,インスタンスのセグメンテーションを大幅に改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-06T09:29:03Z)
• Semi-Weakly Supervised Object Kinematic Motion Prediction [56.282759127180306]
  3Dオブジェクトが与えられた場合、運動予測は移動部と対応する運動パラメータを識別することを目的としている。 階層的部分分割と移動部パラメータのマップを学習するグラフニューラルネットワークを提案する。 ネットワーク予測は、擬似ラベル付き移動情報を持つ大規模な3Dオブジェクトを生成する。
  論文  参考訳（メタデータ） (2023-03-31T02:37:36Z)
• Unsupervised Representation Learning for 3D Point Cloud Data [66.92077180228634]
  我々は、教師なしのポイントクラウド学習に対して、シンプルで効果的なアプローチを提案する。 特に、原点雲の優れたコントラストバージョンを生成する非常に有用な変換を同定する。 本研究では,3次元オブジェクト分類,形状部分分割,シーン分割の3つの下流タスクについて実験を行った。
  論文  参考訳（メタデータ） (2021-10-13T10:52:45Z)
• LatticeNet: Fast Spatio-Temporal Point Cloud Segmentation Using Permutohedral Lattices [27.048998326468688]
  深層畳み込みニューラルネットワーク(CNN)は、画像のセグメンテーションに際し、優れた性能を示している。 本稿では,3次元セマンティックセグメンテーションの新たなアプローチであるLatticeNetを提案する。 本稿では,本手法が最先端性能を実現する複数のデータセット上での3次元セグメント化の結果について述べる。
  論文  参考訳（メタデータ） (2021-08-09T10:17:27Z)
• LRGNet: Learnable Region Growing for Class-Agnostic Point Cloud Segmentation [19.915593390338337]
  本研究は,クラス非依存のクラウドセグメンテーションのための学習可能な領域成長手法を提案する。 提案手法は, 物体の形状や大きさを仮定することなく, 単一の深層ニューラルネットワークを用いて任意のクラスを分割することができる。
  論文  参考訳（メタデータ） (2021-03-16T15:58:01Z)
• PointFlow: Flowing Semantics Through Points for Aerial Image Segmentation [96.76882806139251]
  本論文では,FPN(Feature Pyramid Network)フレームワークに基づく点親和性伝播モジュールであるPointFlowを提案する。 密接な親和性学習ではなく、隣接する特徴間の選択された点にスパース親和性マップを生成する。 3つの異なる空中セグメンテーションデータセットの実験結果から,提案手法は最先端の汎用セグメンテーション法よりも効率的かつ効率的であることが示唆された。
  論文  参考訳（メタデータ） (2021-03-11T09:42:32Z)

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。