論文の概要: SGOR: Outlier Removal by Leveraging Semantic and Geometric Information for Robust Point Cloud Registration
- arxiv url: http://arxiv.org/abs/2407.06297v1
- Date: Mon, 8 Jul 2024 18:07:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-10 22:13:05.979104
- Title: SGOR: Outlier Removal by Leveraging Semantic and Geometric Information for Robust Point Cloud Registration
- Title(参考訳): SGOR:ロバストポイントクラウド登録のためのセマンティックおよび幾何学的情報を活用したアウトレイラ除去
- Authors: Guiyu Zhao, Zhentao Guo, Hongbin Ma,
- Abstract要約: 現在の登録方法は、ポイント・ツー・ポイントやインスタンスのセマンティック対応生成にのみセマンティクスを使用する。
本稿では,地域投票に基づくセカンダリグラウンドセグメンテーションとゆるやかなセマンティック一貫性を提案する。
アウトドアデータセットにおいて,提案手法は優れた性能を示し,登録リコールの22.5ポイント向上を実現した。
- 参考スコア(独自算出の注目度): 0.8192907805418583
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we introduce a new outlier removal method that fully leverages geometric and semantic information, to achieve robust registration. Current semantic-based registration methods only use semantics for point-to-point or instance semantic correspondence generation, which has two problems. First, these methods are highly dependent on the correctness of semantics. They perform poorly in scenarios with incorrect semantics and sparse semantics. Second, the use of semantics is limited only to the correspondence generation, resulting in bad performance in the weak geometry scene. To solve these problems, on the one hand, we propose secondary ground segmentation and loose semantic consistency based on regional voting. It improves the robustness to semantic correctness by reducing the dependence on single-point semantics. On the other hand, we propose semantic-geometric consistency for outlier removal, which makes full use of semantic information and significantly improves the quality of correspondences. In addition, a two-stage hypothesis verification is proposed, which solves the problem of incorrect transformation selection in the weak geometry scene. In the outdoor dataset, our method demonstrates superior performance, boosting a 22.5 percentage points improvement in registration recall and achieving better robustness under various conditions. Our code is available.
- Abstract(参考訳): 本稿では,ロバストな登録を実現するために,幾何学的および意味的情報を完全に活用する新しい外乱除去手法を提案する。
現在のセマンティックベース登録法は、ポイントツーポイントまたはインスタンスセマンティック対応生成のためのセマンティックスしか使用していないが、2つの問題がある。
まず、これらの手法は意味論の正しさに大きく依存する。
誤ったセマンティクスとスパースセマンティクスのシナリオではうまく機能しない。
第二に、セマンティクスの使用は対応生成に限られており、弱い幾何学シーンでは性能が悪い。
これらの問題を解決するために,地域投票に基づくセカンダリグラウンドセグメンテーションと緩やかなセマンティック一貫性を提案する。
シングルポイントセマンティクスへの依存を減らすことにより、セマンティクスの正しさに対する堅牢性を改善する。
一方, セマンティック・ジオメトリ・一貫性は, セマンティック情報を完全に活用し, 通信品質を大幅に向上させる。
さらに,弱幾何シーンにおける誤った変換選択の問題を解く2段階の仮説検証を提案する。
アウトドアデータセットにおいて,提案手法は優れた性能を示し,登録リコールにおける22.5ポイントの改善と,各種条件下でのロバスト性の向上を実現している。
私たちのコードは利用可能です。
関連論文リスト
- Semantic-aware Representation Learning for Homography Estimation [28.70450397793246]
本研究では,検出不要な特徴マッチング手法であるSRMatcherを提案する。
マッチングペアにおける意味的不整合に起因するエラーを減らすことで、提案したSRMatcherはより正確で現実的な結果をもたらすことができる。
論文 参考訳(メタデータ) (2024-07-18T08:36:28Z) - Semantic Connectivity-Driven Pseudo-labeling for Cross-domain
Segmentation [89.41179071022121]
自己学習はドメイン間セマンティックセグメンテーションにおいて一般的なアプローチである。
本稿ではセマンティック・コネクティビティ駆動の擬似ラベル方式を提案する。
このアプローチは、接続レベルにおいて擬似ラベルを定式化し、構造的および低雑音のセマンティクスの学習を容易にする。
論文 参考訳(メタデータ) (2023-12-11T12:29:51Z) - Advancing Incremental Few-shot Semantic Segmentation via Semantic-guided
Relation Alignment and Adaptation [98.51938442785179]
増分的な数ショットセマンティックセマンティックセマンティクスは、セマンティクスセマンティクスモデルを新しいクラスに漸進的に拡張することを目的としている。
このタスクは、データ不均衡のため、ベースクラスと新しいクラスの間で深刻な意味認識の問題に直面します。
本稿では,従来の意味情報のガイダンスを完全に考慮した意味誘導型関係調整適応法を提案する。
論文 参考訳(メタデータ) (2023-05-18T10:40:52Z) - Semantic-aware Contrastive Learning for More Accurate Semantic Parsing [32.74456368167872]
そこで本研究では,意味表現の微粒化を学習できる意味認識型コントラスト学習アルゴリズムを提案する。
2つの標準データセットの実験により、我々の手法はMLEベースラインよりも大幅に改善されていることが示された。
論文 参考訳(メタデータ) (2023-01-19T07:04:32Z) - Adversarial Dual-Student with Differentiable Spatial Warping for
Semi-Supervised Semantic Segmentation [70.2166826794421]
本研究では、教師なしデータ拡張を行うために、微分可能な幾何ワープを提案する。
また,平均教師数を改善するために,新しい対角的二重学習フレームワークを提案する。
我々のソリューションは、両方のデータセットで得られるパフォーマンスと最先端の結果を大幅に改善します。
論文 参考訳(メタデータ) (2022-03-05T17:36:17Z) - Semantic-Preserving Adversarial Text Attacks [85.32186121859321]
深層モデルの脆弱性を調べるために, Bigram と Unigram を用いた適応的セマンティック保存最適化法 (BU-SPO) を提案する。
提案手法は,既存手法と比較して最小の単語数を変更することで,攻撃成功率とセマンティックス率を最大化する。
論文 参考訳(メタデータ) (2021-08-23T09:05:18Z) - Contrastive Learning and Self-Training for Unsupervised Domain
Adaptation in Semantic Segmentation [71.77083272602525]
UDAはラベル付きソースドメインからラベルなしターゲットドメインへの効率的な知識伝達を試みている。
本稿では,領域にまたがるカテゴリ別センタロイドを適応させるコントラスト学習手法を提案する。
提案手法を自己学習で拡張し,メモリ効率の良い時間アンサンブルを用いて一貫性と信頼性の高い擬似ラベルを生成する。
論文 参考訳(メタデータ) (2021-05-05T11:55:53Z) - Lipschitz Regularized CycleGAN for Improving Semantic Robustness in
Unpaired Image-to-image Translation [19.083671868521918]
未ペア画像から画像への変換タスクでは、GANベースのアプローチはセマンティックフリップの影響を受けやすい。
セマンティックロバスト性向上のための新しい手法であるLipschitz regularized CycleGANを提案する。
複数の共通データセットに対するアプローチを評価し、既存のGANベースのメソッドと比較する。
論文 参考訳(メタデータ) (2020-12-09T09:28:53Z) - Human Correspondence Consensus for 3D Object Semantic Understanding [56.34297279246823]
本稿では,CorresPondenceNetという新しいデータセットを提案する。
このデータセットに基づいて、新しい測地的整合性損失を伴う密接なセマンティック埋め込みを学習することができる。
CorresPondenceNetは異種オブジェクトの細粒度理解を促進できるだけでなく、クロスオブジェクト登録や部分オブジェクトマッチングも実現できた。
論文 参考訳(メタデータ) (2019-12-29T04:24:22Z)
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。