論文の概要: Iterative Feedback Network for Unsupervised Point Cloud Registration

• arxiv url: http://arxiv.org/abs/2401.04357v1
• Date: Tue, 9 Jan 2024 04:44:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-10 17:06:14.641354
• Title: Iterative Feedback Network for Unsupervised Point Cloud Registration
• Title（参考訳）: 無監督ポイントクラウド登録のための反復フィードバックネットワーク
• Authors: Yifan Xie, Boyu Wang, Shiqi Li and Jihua Zhu
• Abstract要約: 教師なしのクラウド登録のための新しい反復フィードバックネットワーク(IFNet)を提案する。 IFNetは一連のフィードバック登録ブロック(FRB)モジュール上に構築されています。 各種ベンチマークデータセットに対する実験により,IFNetの優れた登録性能が示された。
• 参考スコア（独自算出の注目度）: 17.41663459141476
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As a fundamental problem in computer vision, point cloud registration aims to seek the optimal transformation for aligning a pair of point clouds. In most existing methods, the information flows are usually forward transferring, thus lacking the guidance from high-level information to low-level information. Besides, excessive high-level information may be overly redundant, and directly using it may conflict with the original low-level information. In this paper, we propose a novel Iterative Feedback Network (IFNet) for unsupervised point cloud registration, in which the representation of low-level features is efficiently enriched by rerouting subsequent high-level features. Specifically, our IFNet is built upon a series of Feedback Registration Block (FRB) modules, with each module responsible for generating the feedforward rigid transformation and feedback high-level features. These FRB modules are cascaded and recurrently unfolded over time. Further, the Feedback Transformer is designed to efficiently select relevant information from feedback high-level features, which is utilized to refine the low-level features. What's more, we incorporate a geometry-awareness descriptor to empower the network for making full use of most geometric information, which leads to more precise registration results. Extensive experiments on various benchmark datasets demonstrate the superior registration performance of our IFNet.
• Abstract（参考訳）: コンピュータビジョンの基本的な問題として、ポイントクラウド登録は、一対のポイントクラウドを整列させる最適な変換を求めることを目的としている。 ほとんどの既存手法では、情報フローは通常前方転送であり、ハイレベル情報から低レベル情報へのガイダンスを欠いている。 さらに、過剰な高レベル情報は過度に冗長であり、それを直接使用すると、元の低レベル情報と矛盾する可能性がある。 本稿では,非教師付きポイントクラウド登録のための新しい反復フィードバックネットワーク(ifnet)を提案する。 具体的には、私たちのifnetは一連のフィードバック登録ブロック(frb)モジュール上に構築されています。 これらのFRBモジュールは、時間とともにカスケードされ、繰り返し展開される。 さらに、フィードバック変換器は、低レベルの特徴を洗練するために使用されるフィードバック高レベルの特徴から、関連する情報を効率的に選択するように設計されている。 さらに、ジオメトリ認識ディスクリプタ(geometry-awareness descriptor)を組み込んで、ほとんどの幾何学的情報を最大限に活用することで、より正確な登録結果を得ることができます。 さまざまなベンチマークデータセットに対する大規模な実験は、IFNetの優れた登録性能を示している。

関連論文リスト

• HiRes-LLaVA: Restoring Fragmentation Input in High-Resolution Large Vision-Language Models [96.76995840807615]
  HiRes-LLaVAは、元の文脈情報や幾何学的情報を変更することなく、高解像度入力のサイズを処理するように設計された新しいフレームワークである。 HiRes-LLaVAは、2つの革新的なコンポーネントで構成されている: (i)スライスしたパッチを元の形式に再構築し、ダウンアップサンプリング層と畳み込み層を通じてグローバルとローカルの両方の特徴を効率的に抽出するSliceRestoreアダプタ、(ii)自分自身に基づいてビジョントークンを圧縮するセルフマイニングサンプリング。
  論文  参考訳（メタデータ） (2024-07-11T17:42:17Z)
• Bidirectional Knowledge Reconfiguration for Lightweight Point Cloud Analysis [74.00441177577295]
  ポイントクラウド分析は計算システムのオーバーヘッドに直面し、モバイルやエッジデバイスでの利用を制限する。 本稿では,軽量点雲モデルのための特徴蒸留について検討する。 本研究では,教師から生徒への情報的文脈的知識を抽出するための双方向知識再構成を提案する。
  論文  参考訳（メタデータ） (2023-10-08T11:32:50Z)
• RegFormer: An Efficient Projection-Aware Transformer Network for Large-Scale Point Cloud Registration [73.69415797389195]
  本稿では,大規模クラウドアライメントのためのエンドツーエンドトランス (RegFormer) ネットワークを提案する。 具体的には、プロジェクション対応階層変換器を提案し、長距離依存を捕捉し、外乱をフィルタする。 我々の変圧器は線形複雑であり、大規模シーンでも高い効率が保証される。
  論文  参考訳（メタデータ） (2023-03-22T08:47:37Z)
• FBNet: Feedback Network for Point Cloud Completion [35.89264923599902]
  本稿では,ポイントクラウド補完のための新しいフィードバックネットワーク(FBNet)を提案する。 フィードバック接続を構築する上での最大の課題は、現在の機能とその後の機能とのミスマッチである。 これを解決するために、クロスアテンション戦略を通じて、クロスアテンショントランスフォーマーはフィードバック機能からの効率的な情報を利用する。
  論文  参考訳（メタデータ） (2022-10-08T09:12:37Z)
• LC3Net: Ladder context correlation complementary network for salient object detection [0.32116198597240836]
  我々は,新しいラグコンテキスト相関補完ネットワーク (LC3Net) を提案する。 FCBはフィルタリング可能な畳み込みブロックであり、初期特徴の多様性に関する情報の自動収集を支援する。 DCMは、異なるレベルの特徴の密集を促進するための密接なクロスモジュールである。 BCDは双方向圧縮デコーダであり、マルチスケール機能の段階的縮小を支援する。
  論文  参考訳（メタデータ） (2021-10-21T03:12:32Z)
• Feedback Pyramid Attention Networks for Single Image Super-Resolution [37.58180059860872]
  特徴の相互依存を完全に活用するためのフィードバックピラミッドアテンションネットワーク(FPAN)を提案する。 本手法では,第1段階の各レイヤの出力を次の状態の対応するレイヤの入力として使用し,以前の低レベルフィルタを再更新する。 本研究では,グローバルな文脈情報を異なるスケールでモデル化するピラミッド非局所構造を導入し,ネットワークの識別表現を改善する。
  論文  参考訳（メタデータ） (2021-06-13T11:32:53Z)
• Densely Nested Top-Down Flows for Salient Object Detection [137.74130900326833]
  本稿では,物体検出におけるトップダウンモデリングの役割を再考する。 密度の高いトップダウンフロー(DNTDF)ベースのフレームワークを設計する。 DNTDFのすべての段階において、高いレベルの特徴はプログレッシブ圧縮ショートカットパス(PCSP)を介して読み込まれる。
  論文  参考訳（メタデータ） (2021-02-18T03:14:02Z)
• Hierarchical Bi-Directional Feature Perception Network for Person Re-Identification [12.259747100939078]
  過去の人物再同定(Re-ID)モデルは、画像の最も識別性の高い領域に焦点を当てることを目的としている。 本稿では,階層型双方向特徴知覚ネットワーク (HBFP-Net) という新しいモデルを提案する。 Market-1501, CUHK03, DukeMTMC-ReIDデータセットなどの主要な評価実験により, 提案手法が最近のSOTA Re-IDモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2020-08-08T12:33:32Z)
• Multi-Scale Boosted Dehazing Network with Dense Feature Fusion [92.92572594942071]
  U-Netアーキテクチャに基づくDense Feature Fusionを用いたマルチスケールブーストデハージングネットワークを提案する。 提案モデルでは,ベンチマークデータセットや実世界のハジー画像に対する最先端のアプローチに対して,好意的に機能することを示す。
  論文  参考訳（メタデータ） (2020-04-28T09:34:47Z)
• Global Context-Aware Progressive Aggregation Network for Salient Object Detection [117.943116761278]
  我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。 提案手法は, 定量的かつ定性的に, 最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-02T04:26:10Z)

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。