Fugu-MT 論文翻訳(概要): CMU-Flownet: Exploring Point Cloud Scene Flow Estimation in Occluded Scenario

論文の概要: CMU-Flownet: Exploring Point Cloud Scene Flow Estimation in Occluded Scenario

arxiv url: http://arxiv.org/abs/2404.10571v1
Date: Tue, 16 Apr 2024 13:47:21 GMT
ステータス: 処理完了
システム内更新日: 2024-04-17 16:44:15.369067
Title: CMU-Flownet: Exploring Point Cloud Scene Flow Estimation in Occluded Scenario
Title（参考訳）: CMU-Flownet:Occluded Scenarioにおけるポイントクラウドシーンフロー推定の探索
Authors: Jingze Chen, Junfeng Yao, Qiqin Lin, Lei Li,
Abstract要約: 閉塞はLiDARデータにおける点雲フレームのアライメントを妨げるが、シーンフローモデルでは不十分な課題である。本稿では,CMU-Flownet(Relational Matrix Upsampling Flownet)を提案する。 CMU-Flownetは、隠されたFlyingthings3DとKITTYデータセットの領域内で、最先端のパフォーマンスを確立する。
参考スコア（独自算出の注目度）: 10.852258389804984
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Occlusions hinder point cloud frame alignment in LiDAR data, a challenge inadequately addressed by scene flow models tested mainly on occlusion-free datasets. Attempts to integrate occlusion handling within networks often suffer accuracy issues due to two main limitations: a) the inadequate use of occlusion information, often merging it with flow estimation without an effective integration strategy, and b) reliance on distance-weighted upsampling that falls short in correcting occlusion-related errors. To address these challenges, we introduce the Correlation Matrix Upsampling Flownet (CMU-Flownet), incorporating an occlusion estimation module within its cost volume layer, alongside an Occlusion-aware Cost Volume (OCV) mechanism. Specifically, we propose an enhanced upsampling approach that expands the sensory field of the sampling process which integrates a Correlation Matrix designed to evaluate point-level similarity. Meanwhile, our model robustly integrates occlusion data within the context of scene flow, deploying this information strategically during the refinement phase of the flow estimation. The efficacy of this approach is demonstrated through subsequent experimental validation. Empirical assessments reveal that CMU-Flownet establishes state-of-the-art performance within the realms of occluded Flyingthings3D and KITTY datasets, surpassing previous methodologies across a majority of evaluated metrics.
Abstract（参考訳）: 閉塞はLiDARデータにおけるポイントクラウドフレームのアライメントを妨げるが、これは主にオクルージョンフリーデータセットでテストされるシーンフローモデルによって不十分に対処される課題である。ネットワーク内のオクルージョン処理を統合する試みは、主に2つの制限があるため、しばしば正確性の問題に悩まされる。 a) 隠蔽情報の不十分な使用で、しばしば効果的な統合戦略を使わずに、流速推定とマージすることロ閉塞関連エラーの訂正に不足する距離重み付けアップサンプリングに依存すること。これらの課題に対処するために,我々は,Occlusion-aware Cost Volume (OCV) 機構とともに,そのコストボリューム層にオクルージョン推定モジュールを組み込んだ相関行列アップサンプリングフローネット (CMU-Flownet) を導入する。具体的には、点レベルの類似性を評価するために設計された相関行列を統合するサンプリングプロセスの感覚場を拡大する強化されたアップサンプリング手法を提案する。一方,本モデルでは,シーンフローのコンテキスト内にオクルージョンデータをしっかりと統合し,フロー推定の洗練段階において戦略的にこの情報を展開する。このアプローチの有効性は、その後の実験的検証を通じて実証される。実証的な評価によると、CMU-Flownetは、排除されたFlyingthings3DとKITTYデータセットの領域内で最先端のパフォーマンスを確立し、ほとんどの評価指標で過去の方法論を超越している。

関連論文リスト

DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文参考訳（メタデータ） (2024-06-05T06:18:03Z)
Rethinking Clustered Federated Learning in NOMA Enhanced Wireless Networks [60.09912912343705]
本研究では,新しいクラスタ化フェデレーション学習(CFL)アプローチと,非独立かつ同一に分散した(非IID)データセットを統合することのメリットについて検討する。データ分布における非IIDの度合いを測定する一般化ギャップの詳細な理論的解析について述べる。非IID条件によって引き起こされる課題に対処する解決策は、特性の分析によって提案される。
論文参考訳（メタデータ） (2024-03-05T17:49:09Z)
Unsupervised Learning for Fault Detection of HVAC Systems: An OPTICS -based Approach for Terminal Air Handling Units [1.0878040851638]
本研究では,ターミナルエアハンドリングユニットとその関連システムにおける故障を検出するための教師なし学習戦略を提案する。この手法は、主成分分析を用いて歴史的センサデータを前処理して次元を合理化する。その結果,オプティクスは季節ごとの精度で常にk平均を上回っていた。
論文参考訳（メタデータ） (2023-12-18T18:08:54Z)
DifFlow3D: Toward Robust Uncertainty-Aware Scene Flow Estimation with Diffusion Model [20.15214479105187]
拡散確率モデルを用いた不確実性を考慮したシーンフロー推定ネットワーク(DifFlow3D)を提案する。提案手法は,KITTIデータセット上での前例のないミリレベルの精度(EPE3Dで0.0078m)を達成する。
論文参考訳（メタデータ） (2023-11-29T08:56:24Z)
Over-the-Air Federated Learning and Optimization [52.5188988624998]
エッジ・ザ・エア計算(AirComp)によるフェデレーション学習(FL)に焦点を当てる。本稿では,AirComp ベースの FedAvg (AirFedAvg) アルゴリズムの凸および非凸条件下での収束について述べる。エッジデバイス(モデル、勾配、モデル差など)で送信できるローカルアップデートの種類によって、AirFedAvgで送信するとアグリゲーションエラーが発生する可能性がある。さらに、より実用的な信号処理方式を検討し、通信効率を改善し、これらの信号処理方式によって引き起こされるモデル集約誤差の異なる形式に収束解析を拡張する。
論文参考訳（メタデータ） (2023-10-16T05:49:28Z)
Learning Prompt-Enhanced Context Features for Weakly-Supervised Video Anomaly Detection [37.99031842449251]
弱い監督下での映像異常検出は重大な課題を呈する。本稿では,効率的なコンテキストモデリングとセマンティック識別性の向上に焦点をあてた,弱教師付き異常検出フレームワークを提案する。提案手法は,特定の異常なサブクラスの検出精度を大幅に向上させ,その実用的価値と有効性を裏付けるものである。
論文参考訳（メタデータ） (2023-06-26T06:45:16Z)
DistractFlow: Improving Optical Flow Estimation via Realistic Distractions and Pseudo-Labeling [49.46842536813477]
本稿では,光フロー推定モデルのトレーニングのための新しいデータ拡張手法であるDistractFlowを提案する。 2つのフレームのうちの1つを、類似したドメインを描写したイントラクタイメージと組み合わせることで、自然の物体やシーンと相反する視覚的摂動を誘発することができる。私たちのアプローチでは、追加のアノテーションを必要とせずに、利用可能なトレーニングペアの数を大幅に増やすことができます。
論文参考訳（メタデータ） (2023-03-24T15:42:54Z)
MAPS: A Noise-Robust Progressive Learning Approach for Source-Free Domain Adaptive Keypoint Detection [76.97324120775475]
クロスドメインキーポイント検出方法は、常に適応中にソースデータにアクセスする必要がある。本稿では、ターゲット領域に十分に訓練されたソースモデルのみを提供する、ソースフリーなドメイン適応キーポイント検出について考察する。
論文参考訳（メタデータ） (2023-02-09T12:06:08Z)
On Leave-One-Out Conditional Mutual Information For Generalization [122.2734338600665]
残余条件付き相互情報(loo-CMI)の新しい尺度に基づく教師付き学習アルゴリズムのための情報理論の一般化境界を導出する。他のCMI境界とは対照的に、我々のloo-CMI境界は容易に計算でき、古典的なout-out-out-cross-validationのような他の概念と関連して解釈できる。ディープラーニングのシナリオにおいて予測された一般化ギャップを評価することにより,境界の質を実証的に検証する。
論文参考訳（メタデータ） (2022-07-01T17:58:29Z)
OAS-Net: Occlusion Aware Sampling Network for Accurate Optical Flow [4.42249337449125]
既存のディープネットワークは、ピラミッドの粗大なパラダイムを主に利用することで満足な結果を得た。我々は,OAS-Netという軽量で効率的な光フローネットワークを提案し,正確な光フローを実現する。 SintelとKITTIデータセットの実験は、提案手法の有効性を実証している。
論文参考訳（メタデータ） (2021-01-31T03:30:31Z)

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。