論文の概要: OAAFormer: Robust and Efficient Point Cloud Registration Through
Overlapping-Aware Attention in Transformer
- arxiv url: http://arxiv.org/abs/2310.09817v1
- Date: Sun, 15 Oct 2023 12:27:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-17 18:01:42.828059
- Title: OAAFormer: Robust and Efficient Point Cloud Registration Through
Overlapping-Aware Attention in Transformer
- Title（参考訳）: OAAFormer: Transformerの重複認識によるロバストで効率的なポイントクラウド登録
- Authors: Junjie Gao, Qiujie Dong, Ruian Wang, Shuangmin Chen, Shiqing Xin,
Changhe Tu, Wenping Wang
- Abstract要約: 粗い機能マッチングパラダイムは、ポイントクラウド登録の領域でかなりの注目を集めている。
粗いレベルから細かなレベルへの潜在的に価値のある対応の伝播を容易にするソフトマッチング機構を導入する。
提案手法は, インレーヤ比が約7%増加し, 登録リコールの2～4%向上につながった。
- 参考スコア（独自算出の注目度）: 37.41780280364752
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the domain of point cloud registration, the coarse-to-fine feature
matching paradigm has received substantial attention owing to its impressive
performance. This paradigm involves a two-step process: first, the extraction
of multi-level features, and subsequently, the propagation of correspondences
from coarse to fine levels. Nonetheless, this paradigm exhibits two notable
limitations.Firstly, the utilization of the Dual Softmax operation has the
potential to promote one-to-one correspondences between superpoints,
inadvertently excluding valuable correspondences. This propensity arises from
the fact that a source superpoint typically maintains associations with
multiple target superpoints. Secondly, it is imperative to closely examine the
overlapping areas between point clouds, as only correspondences within these
regions decisively determine the actual transformation. Based on these
considerations, we propose {\em OAAFormer} to enhance correspondence quality.
On one hand, we introduce a soft matching mechanism, facilitating the
propagation of potentially valuable correspondences from coarse to fine levels.
Additionally, we integrate an overlapping region detection module to minimize
mismatches to the greatest extent possible. Furthermore, we introduce a
region-wise attention module with linear complexity during the fine-level
matching phase, designed to enhance the discriminative capabilities of the
extracted features. Tests on the challenging 3DLoMatch benchmark demonstrate
that our approach leads to a substantial increase of about 7\% in the inlier
ratio, as well as an enhancement of 2-4\% in registration recall. =
- Abstract（参考訳）: ポイントクラウド登録の分野では、粗い機能マッチングパラダイムが目覚ましいパフォーマンスのために大きな注目を集めている。
このパラダイムは、まずマルチレベル特徴の抽出と、次に粗いレベルから細かいレベルへの対応の伝播という、2段階のプロセスを含む。
第一に、デュアルソフトマックス演算の利用はスーパーポイント間の1対1対応を促進する可能性があり、必然的に貴重な対応を除外する。
この確率性は、ソーススーパーポイントが典型的に複数のターゲットスーパーポイントとの関連を維持するという事実から生じる。
第二に、これらの領域内の対応のみが実際の変換を決定するため、点雲間の重なり合う領域を精査することが不可欠である。
これらの考察に基づき, 対応品質を高めるために, oaaformer {\em oaaformer} を提案する。
一方, ソフトマッチング機構を導入し, 潜在的に有意な対応を粗いレベルから細かなレベルへと伝播させる。
さらに、オーバーラップする領域検出モジュールを統合し、ミスマッチを可能な限り最小化する。
さらに, 抽出された特徴の識別能力を高めるために, 細粒度マッチングフェーズ中に線形複雑性を有する領域的注意モジュールを提案する。
挑戦的な3DLoMatchベンチマークによるテストでは、我々のアプローチは、インリア比が約7倍に向上し、登録リコールが2～4倍に向上することを示した。
=
関連論文リスト
- A Consistency-Aware Spot-Guided Transformer for Versatile and Hierarchical Point Cloud Registration [9.609585217048664]
我々は整合性を考慮したスポット誘導変換器(CAST)を開発した。
CASTは、無関係な領域への干渉を避けるために、スポット誘導のクロスアテンションモジュールを組み込んでいる。
スパースキーポイントと高密度特徴の両方のための軽量な微細マッチングモジュールは、変換を正確に推定することができる。
論文 参考訳（メタデータ） (2024-10-14T08:48:25Z) - Global Attention-Guided Dual-Domain Point Cloud Feature Learning for Classification and Segmentation [21.421806351869552]
上記の問題に対処するために,グローバルアテンション誘導型デュアルドメイン特徴学習ネットワーク(GAD)を提案する。
我々はまず,改良されたグローバルアテンション機構を備えたコンテキスト位置強調変換器(CPT)モジュールを考案した。
次に、デュアルドメインK-アレスト隣のフィーチャーフュージョン(DKFF)をカスケードして、効果的なフィーチャーアグリゲーションを行う。
論文 参考訳（メタデータ） (2024-07-12T05:19:19Z) - Unifying Feature and Cost Aggregation with Transformers for Semantic and Visual Correspondence [51.54175067684008]
本稿では,高密度マッチングタスク用に設計されたTransformerベースの積分機能とコスト集約ネットワークを提案する。
まず, 特徴集約とコスト集約が異なる特徴を示し, 双方の集約プロセスの司法的利用から生じる実質的な利益の可能性を明らかにした。
本フレームワークは意味マッチングのための標準ベンチマークで評価され,また幾何マッチングにも適用された。
論文 参考訳（メタデータ） (2024-03-17T07:02:55Z) - D3Former: Jointly Learning Repeatable Dense Detectors and
Feature-enhanced Descriptors via Saliency-guided Transformer [14.056531181678467]
我々は、リピータブルなtextbfDetector と機能強化された textbfDescriptors の合同学習を必要とする textitD3Former と呼ばれるサリエンシ誘導型 Transtextbfformer を導入する。
提案手法は,常に最先端のクラウドマッチング手法より優れている。
論文 参考訳（メタデータ） (2023-12-20T12:19:17Z) - Overlap Bias Matching is Necessary for Point Cloud Registration [21.584033532099134]
登録される点雲間のオーバーラップは比較的小さい。
部分点クラウド登録のための教師なしネットワーク Overlap Bias Matching Network (OBMNet) を提案する。
論文 参考訳（メタデータ） (2023-08-18T07:47:22Z) - Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。
具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
論文 参考訳（メタデータ） (2023-05-17T14:30:11Z) - Part-guided Relational Transformers for Fine-grained Visual Recognition [59.20531172172135]
識別的特徴を学習し,特徴変換モジュールとの相関関係を探索するフレームワークを提案する。
提案手法は,3-of-the-levelオブジェクト認識において,部分ブランチの追加に頼らず,最先端の性能に達する。
論文 参考訳（メタデータ） (2022-12-28T03:45:56Z) - REGTR: End-to-end Point Cloud Correspondences with Transformers [79.52112840465558]
我々は、注意機構が明示的な特徴マッチングとRANSACの役割を置き換えることができると推測する。
本稿では,最終文集合を直接予測するエンドツーエンドフレームワークを提案する。
提案手法は3DMatchおよびModelNetベンチマークにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2022-03-28T06:01:00Z) - Coarse to Fine: Domain Adaptive Crowd Counting via Adversarial Scoring
Network [58.05473757538834]
本稿では,ドメイン間のギャップを粗い粒度から細かな粒度に埋める新しい逆スコアリングネットワーク (ASNet) を提案する。
3組のマイグレーション実験により,提案手法が最先端のカウント性能を実現することを示す。
論文 参考訳（メタデータ） (2021-07-27T14:47:24Z) - FINet: Dual Branches Feature Interaction for Partial-to-Partial Point
Cloud Registration [31.014309817116175]
FINetは,複数段階の入力を関連づける情報を有効化・強化する機能を備えた,機能間相互作用に基づく構造である。
実験により,本手法は従来の手法に比べて精度が高く,頑健性も高いことが示された。
論文 参考訳（メタデータ） (2021-06-07T10:15:02Z)
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。