Fugu-MT 論文翻訳(概要): Spherical Mask: Coarse-to-Fine 3D Point Cloud Instance Segmentation with Spherical Representation

論文の概要: Spherical Mask: Coarse-to-Fine 3D Point Cloud Instance Segmentation with Spherical Representation

arxiv url: http://arxiv.org/abs/2312.11269v2
Date: Thu, 4 Jul 2024 10:29:32 GMT
ステータス: 処理完了
システム内更新日: 2024-07-09 00:22:48.703558
Title: Spherical Mask: Coarse-to-Fine 3D Point Cloud Instance Segmentation with Spherical Representation
Title（参考訳）: 球面:球面表現による3次元3次元点群分割
Authors: Sangyun Shin, Kaichen Zhou, Madhu Vankadari, Andrew Markham, Niki Trigoni,
Abstract要約: 球面表現に基づく新しい粗粒化手法である球面マスクを紹介する。具体的には、中心距離と半径距離の予測を用いて、各ケースを3次元ポリゴンで推定する。 ScanNetV2,S3DIS,LS3Dの3つのデータセットによる実験結果から,提案手法が既存手法より優れていることが示された。
参考スコア（独自算出の注目度）: 35.875800849174354
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Coarse-to-fine 3D instance segmentation methods show weak performances compared to recent Grouping-based, Kernel-based and Transformer-based methods. We argue that this is due to two limitations: 1) Instance size overestimation by axis-aligned bounding box(AABB) 2) False negative error accumulation from inaccurate box to the refinement phase. In this work, we introduce Spherical Mask, a novel coarse-to-fine approach based on spherical representation, overcoming those two limitations with several benefits. Specifically, our coarse detection estimates each instance with a 3D polygon using a center and radial distance predictions, which avoids excessive size estimation of AABB. To cut the error propagation in the existing coarse-to-fine approaches, we virtually migrate points based on the polygon, allowing all foreground points, including false negatives, to be refined. During inference, the proposal and point migration modules run in parallel and are assembled to form binary masks of instances. We also introduce two margin-based losses for the point migration to enforce corrections for the false positives/negatives and cohesion of foreground points, significantly improving the performance. Experimental results from three datasets, such as ScanNetV2, S3DIS, and STPLS3D, show that our proposed method outperforms existing works, demonstrating the effectiveness of the new instance representation with spherical coordinates. The code is available at: https://github.com/yunshin/SphericalMask
Abstract（参考訳）: 最近のGroupingベース, Kernelベース, Transformerベースの手法と比較して, 粗大な3次元インスタンスセグメンテーション手法は弱い性能を示す。これは2つの制限によると我々は主張する。 1)軸配向バウンディングボックス(AABB)によるインスタンスサイズ過大評価 2) 不正確な箱から精製相への偽陰誤差蓄積。本研究では、球面表現に基づく新しい粗粒化アプローチであるSpherical Maskを紹介し、これらの2つの制限を克服し、いくつかの利点を享受する。具体的には,AABBの過大なサイズ推定を回避するために,中心および半径距離予測を用いた3次元ポリゴンを用いて各インスタンスを推定する。既存の粗大なアプローチにおける誤差の伝搬を削減するために,ポリゴンに基づいて仮想的に点を移動し,偽陰性を含むすべての前景点を改良する。推論中、提案とポイントマイグレーションモジュールは並列に実行され、インスタンスのバイナリマスクを形成するために組み立てられる。また,偽陽性/陰性点の補正と前景点の凝集を強制する点移動のマージンに基づく2つの損失を導入し,性能を著しく改善した。 ScanNetV2, S3DIS, STPLS3Dの3つのデータセットによる実験結果から, 提案手法は既存手法よりも優れており, 球面座標を用いた新しいインスタンス表現の有効性が示された。コードは、https://github.com/yunshin/SphericalMask.comで入手できる。

関連論文リスト

A Unified BEV Model for Joint Learning of 3D Local Features and Overlap Estimation [12.499361832561634]
本稿では,3次元局所特徴の同時学習と重なり推定のための統合鳥眼ビュー(BEV)モデルを提案する。提案手法は,特に重複の少ないシーンにおいて,重複予測における既存手法よりも優れていた。
論文参考訳（メタデータ） (2023-02-28T12:01:16Z)
CL3D: Unsupervised Domain Adaptation for Cross-LiDAR 3D Detection [16.021932740447966]
クロスLiDAR3D検出のためのドメイン適応は、生データ表現に大きなギャップがあるため困難である。以上の課題を克服する、教師なしのドメイン適応手法を提案する。
論文参考訳（メタデータ） (2022-12-01T03:22:55Z)
CAGroup3D: Class-Aware Grouping for 3D Object Detection on Point Clouds [55.44204039410225]
本稿では,CAGroup3Dという新しい2段階完全スパース3Dオブジェクト検出フレームワークを提案する。提案手法は,まず,オブジェクト表面のボクセル上でのクラス認識型局所群戦略を活用することによって,高品質な3D提案を生成する。不正なボクセルワイドセグメンテーションにより欠落したボクセルの特徴を回復するために,完全にスパースな畳み込み型RoIプールモジュールを構築した。
論文参考訳（メタデータ） (2022-10-09T13:38:48Z)
PointInst3D: Segmenting 3D Instances by Points [136.7261709896713]
本稿では,ポイント単位の予測方式で機能する,完全畳み込み型3Dポイントクラウドインスタンスセグメンテーション手法を提案する。その成功の鍵は、各サンプルポイントに適切なターゲットを割り当てることにある。提案手法はScanNetとS3DISのベンチマークで有望な結果が得られる。
論文参考訳（メタデータ） (2022-04-25T02:41:46Z)
MaskGroup: Hierarchical Point Grouping and Masking for 3D Instance Segmentation [36.28586460186891]
本稿では,ロボット工学や拡張現実といった現実的な応用の多種多様な3Dインスタンスセグメンテーション問題について検討する。本稿では,3Dインスタンスをグループ化し,洗練するための新しいフレームワークを提案する。提案手法は,ScanNetV2テストセットの0.5IoU閾値で66.4%のmAPを達成する。
論文参考訳（メタデータ） (2022-03-28T11:22:58Z)
IDEA-Net: Dynamic 3D Point Cloud Interpolation via Deep Embedding Alignment [58.8330387551499]
我々は、点方向軌跡(すなわち滑らかな曲線)の推定として問題を定式化する。本稿では,学習した時間的一貫性の助けを借りて問題を解消する,エンドツーエンドのディープラーニングフレームワークであるIDEA-Netを提案する。各種点群における本手法の有効性を実証し, 定量的かつ視覚的に, 最先端の手法に対する大幅な改善を観察する。
論文参考訳（メタデータ） (2022-03-22T10:14:08Z)
Dynamic Convolution for 3D Point Cloud Instance Segmentation [146.7971476424351]
動的畳み込みに基づく3次元点雲からのインスタンスセグメンテーション手法を提案する。我々は、同じ意味圏と閉投票を持つ等質点を幾何学的遠近点に対して収集する。提案手法は提案不要であり、代わりに各インスタンスの空間的および意味的特性に適応する畳み込みプロセスを利用する。
論文参考訳（メタデータ） (2021-07-18T09:05:16Z)
Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
論文参考訳（メタデータ） (2020-12-15T11:42:17Z)
Multi Projection Fusion for Real-time Semantic Segmentation of 3D LiDAR Point Clouds [2.924868086534434]
本稿では,ポイントクラウドの複数のプロジェクションを利用する3次元ポイントクラウドセマンティックセマンティックセマンティクスの新しいアプローチを提案する。我々のMulti-Projection Fusionフレームワークは、2つの異なる高効率2次元完全畳み込みモデルを用いて球面および鳥眼の視射影を解析する。
論文参考訳（メタデータ） (2020-11-03T19:40:43Z)
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)

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。