論文の概要: Transferring facade labels between point clouds with semantic octrees while considering change detection

• arxiv url: http://arxiv.org/abs/2402.06531v1
• Date: Fri, 9 Feb 2024 16:43:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-12 16:00:04.577410
• Title: Transferring facade labels between point clouds with semantic octrees while considering change detection
• Title（参考訳）: 変化検出を考慮した点雲間のファサードラベルのセマンティックオクツリー移動
• Authors: Sophia Schwarz, Tanja Pilz, Olaf Wysocki, Ludwig Hoegner, Uwe Stilla
• Abstract要約: 我々はオクツリー構造を用いてラベル付きアノテーションをラベル付きポイントクラウドに転送する手法を提案する。 この構造は点雲間の変化も分析する。
• 参考スコア（独自算出の注目度）: 2.665972702760612
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Point clouds and high-resolution 3D data have become increasingly important in various fields, including surveying, construction, and virtual reality. However, simply having this data is not enough; to extract useful information, semantic labeling is crucial. In this context, we propose a method to transfer annotations from a labeled to an unlabeled point cloud using an octree structure. The structure also analyses changes between the point clouds. Our experiments confirm that our method effectively transfers annotations while addressing changes. The primary contribution of this project is the development of the method for automatic label transfer between two different point clouds that represent the same real-world object. The proposed method can be of great importance for data-driven deep learning algorithms as it can also allow circumventing stochastic transfer learning by deterministic label transfer between datasets depicting the same objects.
• Abstract（参考訳）: ポイントクラウドと高解像度3dデータは、測量、構築、仮想現実など、さまざまな分野でますます重要になっている。 しかし、このデータを取得するだけでは不十分であり、有用な情報を抽出するにはセマンティックラベリングが不可欠である。 この文脈では,octree構造を用いてラベル付きからラベルなしのポイントクラウドへアノテーションを転送する手法を提案する。 この構造は点雲間の変化も分析する。 提案手法は変更に対処しながらアノテーションを効果的に転送する。 このプロジェクトの主な貢献は、同じ実世界のオブジェクトを表す2つの異なるポイントクラウド間のラベルの自動転送方法の開発である。 提案手法は,データ駆動型深層学習アルゴリズムにおいて非常に重要であり,同一対象を表すデータセット間の決定論的ラベル転送による確率的移動学習の回避を可能にする。

関連論文リスト

• Label Name is Mantra: Unifying Point Cloud Segmentation across Heterogeneous Datasets [17.503843467554592]
  本稿では,異なるラベル集合を持つ異種データセットからの学習を支援する原理的アプローチを提案する。 我々の考えは、学習済みの言語モデルを用いて、ラベル名を用いて離散ラベルを連続的な潜在空間に埋め込むことである。 私たちのモデルは最先端の技術を大きなマージンで上回ります。
  論文  参考訳（メタデータ） (2023-03-19T06:14:22Z)
• Weakly Supervised Semantic Segmentation for Large-Scale Point Cloud [69.36717778451667]
  大規模なポイントクラウドセマンティックセグメンテーションのための既存の方法は、高価な、退屈でエラーを起こしやすい手動のポイントワイドアノテーションを必要とする。 この問題を解決するために,2つのコンポーネントを含む効果的な弱教師付き手法を提案する。 実験結果から,既存の弱教師付き手法と完全教師付き手法を比較検討した。
  論文  参考訳（メタデータ） (2022-12-09T09:42:26Z)
• Joint Data and Feature Augmentation for Self-Supervised Representation Learning on Point Clouds [4.723757543677507]
  ユークリッド空間におけるデータ拡張と特徴空間における特徴拡張を組み合わせた融合コントラスト学習フレームワークを提案する。 提案手法の伝達性を検証するため,広範囲な対象分類実験と対象部分分割実験を行う。 実験の結果,提案フレームワークは,自己指導型でポイントクラウド表現を学習する上で有効であることが示された。
  論文  参考訳（メタデータ） (2022-11-02T14:58:03Z)
• Data Augmentation-free Unsupervised Learning for 3D Point Cloud Understanding [61.30276576646909]
  ソフトクラスタリング(SoftClu)と呼ばれる,移動可能な点レベルの特徴を学習するための,ポイントクラウドに対する拡張不要な教師なしアプローチを提案する。 我々は,クラスタに対するポイントのアフィリエイトをプロキシとして利用し,擬似ラベル予測タスクを通じて自己学習を可能にする。
  論文  参考訳（メタデータ） (2022-10-06T10:18:16Z)
• Data Augmentation for Object Detection via Differentiable Neural Rendering [71.00447761415388]
  注釈付きデータが乏しい場合、堅牢なオブジェクト検出器を訓練することは困難です。 この問題に対処する既存のアプローチには、ラベル付きデータからラベル付きデータを補間する半教師付き学習が含まれる。 オブジェクト検出のためのオフラインデータ拡張手法を導入し、新しいビューでトレーニングデータを意味的に補間する。
  論文  参考訳（メタデータ） (2021-03-04T06:31:06Z)
• mDALU: Multi-Source Domain Adaptation and Label Unification with Partial Datasets [102.62639692656458]
  本稿では,この課題をマルチソースドメイン適応とラベル統一の問題として扱う。 本手法は,部分教師あり適応段階と完全教師あり適応段階からなる。 本手法は,画像分類,2次元意味画像分割,ジョイント2d-3d意味セグメンテーションの3つのタスクで検証する。
  論文  参考訳（メタデータ） (2020-12-15T15:58:03Z)
• Semantic Graph Based Place Recognition for 3D Point Clouds [22.608115489674653]
  本稿では,位置認識のためのセマンティックグラフに基づく新しいアプローチを提案する。 まず、ポイントクラウドシーンのための新しいセマンティックグラフ表現を提案する。 次に、その類似性を計算するために、高速で効果的なグラフ類似性ネットワークを設計する。
  論文  参考訳（メタデータ） (2020-08-26T09:27:26Z)
• Adversarial Knowledge Transfer from Unlabeled Data [62.97253639100014]
  本稿では,インターネット規模の未ラベルデータから知識を伝達し,分類器の性能を向上させるための新しいAdversarial Knowledge Transferフレームワークを提案する。 我々の手法の重要な新しい側面は、ラベル付けされていないソースデータは、ラベル付けされたターゲットデータと異なるクラスであることができ、個別のプリテキストタスクを定義する必要がないことである。
  論文  参考訳（メタデータ） (2020-08-13T08:04:27Z)
• Few-shot 3D Point Cloud Semantic Segmentation [138.80825169240302]
  本稿では,新しい注意型マルチプロトタイプトランスダクティブ・ショットポイント・クラウドセマンティックセマンティック・セマンティクス法を提案する。 提案手法は,雲のセマンティックセマンティックセグメンテーション設定の違いによるベースラインに比べて,顕著で一貫した改善を示す。
  論文  参考訳（メタデータ） (2020-06-22T08:05:25Z)

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。