論文の概要: Implicit Guidance and Explicit Representation of Semantic Information in Points Cloud: A Survey
- arxiv url: http://arxiv.org/abs/2501.05473v1
- Date: Tue, 07 Jan 2025 06:54:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-13 15:27:35.865695
- Title: Implicit Guidance and Explicit Representation of Semantic Information in Points Cloud: A Survey
- Title（参考訳）: ポイントクラウドにおける意味情報の意図的誘導と明示的表現:サーベイ
- Authors: Jingyuan Tang, Yuhuan Zhao, Songlin Sun, Yangang Cai,
- Abstract要約: 本稿では、ポイントクラウドにおける意味情報の統合における多様な応用と最近の進歩について概説する。
暗黙的および明示的な表現を包含する点雲における意味情報の二重の役割について検討する。
結論として,ポイントクラウドにおける意味情報を完全に活用する上で,将来発生する可能性のあるいくつかの課題と潜在的な課題について論じる。
- 参考スコア（独自算出の注目度）: 2.2183107090686596
- License:
- Abstract: Point clouds, a prominent method of 3D representation, are extensively utilized across industries such as autonomous driving, surveying, electricity, architecture, and gaming, and have been rigorously investigated for their accuracy and resilience. The extraction of semantic information from scenes enhances both human understanding and machine perception. By integrating semantic information from two-dimensional scenes with three-dimensional point clouds, researchers aim to improve the precision and efficiency of various tasks. This paper provides a comprehensive review of the diverse applications and recent advancements in the integration of semantic information within point clouds. We explore the dual roles of semantic information in point clouds, encompassing both implicit guidance and explicit representation, across traditional and emerging tasks. Additionally, we offer a comparative analysis of publicly available datasets tailored to specific tasks and present notable observations. In conclusion, we discuss several challenges and potential issues that may arise in the future when fully utilizing semantic information in point clouds, providing our perspectives on these obstacles. The classified and organized articles related to semantic based point cloud tasks, and continuously followed up on relevant achievements in different fields, which can be accessed through https://github.com/Jasmine-tjy/Semantic-based-Point-Cloud-Tasks.
- Abstract（参考訳）: ポイントクラウドは、自律運転、測量、電気、建築、ゲームなどの産業で広く利用されており、精度とレジリエンスについて厳格に研究されている。
シーンから意味情報を抽出することで、人間の理解と機械知覚の両方が促進される。
2次元のシーンからの意味情報を3次元の点雲と統合することにより、研究者は様々なタスクの精度と効率を向上させることを目指している。
本稿では,多様な応用の総合的なレビューと,ポイントクラウド内における意味情報の統合の最近の進歩について述べる。
我々は、ポイントクラウドにおける意味情報の二重の役割を探求し、従来のタスクと新興タスクの間で暗黙的なガイダンスと明示的な表現の両方を包含する。
さらに、特定のタスクに適した公開データセットの比較分析と、注目すべき観察結果を提供する。
結論として,ポイントクラウドにおけるセマンティック情報を完全に活用する上で,将来発生する可能性のあるいくつかの課題と潜在的な課題について論じる。
セマンティックベースのポイントクラウドタスクに関する分類および組織化された記事は、さまざまな分野における関連する成果を継続的にフォローし、https://github.com/Jasmine-tjy/Semantic-based-Point-Cloud-Tasksを通じてアクセスすることができる。
関連論文リスト
- A Comprehensive Survey of 3D Dense Captioning: Localizing and Describing
Objects in 3D Scenes [80.20670062509723]
3Dシークエンスキャプションは、3Dシーンの詳細な説明を作成することを目的とした、視覚言語によるブリッジングタスクである。
2次元の視覚的キャプションと比較して、現実世界の表現が密接なため、大きな可能性と課題が提示される。
既存手法の人気と成功にもかかわらず、この分野の進歩を要約した総合的な調査は乏しい。
論文 参考訳（メタデータ） (2024-03-12T10:04:08Z) - Language-Assisted 3D Scene Understanding [17.663583203177197]
我々は,ポイントクラウド特徴学習(LAST-PCL)のための言語支援アプローチを提案する。
我々は,テキストの先行性を損なうことなく,非冗長性と特徴次元の低減を実現する。
提案手法は意味的に意味のあるポイントクラウドの特徴を学習し、3Dセマンティックセグメンテーション、3Dオブジェクト検出、3Dシーン分類タスクにおける最先端または同等のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-18T18:54:56Z) - Deep Learning-based 3D Point Cloud Classification: A Systematic Survey
and Outlook [12.014972829130764]
本稿では,ポイントクラウドの獲得,特徴,課題を紹介する。
我々は3Dデータ表現、ストレージフォーマット、およびポイントクラウド分類のための一般的に使用されるデータセットについてレビューする。
論文 参考訳（メタデータ） (2023-11-05T09:28:43Z) - PointLLM: Empowering Large Language Models to Understand Point Clouds [63.39876878899682]
PointLLMは人間の指示で色のついたオブジェクトポイントクラウドを理解する。
文脈的に適切な応答を生成し、点雲と常識の把握を図示する。
論文 参考訳（メタデータ） (2023-08-31T17:59:46Z) - Explore In-Context Learning for 3D Point Cloud Understanding [71.20912026561484]
我々は,特に3Dポイントクラウドにおけるコンテキスト内学習のために設計された,ポイント・イン・コンテキストという新しいフレームワークを紹介した。
一般点サンプリング演算子とタンデムで協調して動作するように慎重に設計したJoint Smplingモジュールを提案する。
提案手法の汎用性と適応性を検証するため,幅広いタスクを扱うための広範囲な実験を行った。
論文 参考訳（メタデータ） (2023-06-14T17:53:21Z) - A Survey of Label-Efficient Deep Learning for 3D Point Clouds [109.07889215814589]
本稿では,点雲のラベル効率学習に関する包括的調査を行う。
本稿では,ラベルの種類によって提供されるデータ前提条件に基づいて,ラベル効率のよい学習手法を整理する分類法を提案する。
それぞれのアプローチについて、問題設定の概要と、関連する進展と課題を示す広範な文献レビューを提供する。
論文 参考訳（メタデータ） (2023-05-31T12:54:51Z) - A Threefold Review on Deep Semantic Segmentation: Efficiency-oriented,
Temporal and Depth-aware design [77.34726150561087]
我々は、自動運転車のビジョンの文脈において、Deep Semanticの最も関連性があり最近の進歩について調査を行う。
私たちの主な目的は、それぞれの視点で直面している主要な方法、利点、制限、結果、課題に関する包括的な議論を提供することです。
論文 参考訳（メタデータ） (2023-03-08T01:29:55Z) - Self-Supervised Feature Learning from Partial Point Clouds via Pose
Disentanglement [35.404285596482175]
部分点雲から情報表現を学習するための,新たな自己教師型フレームワークを提案する。
コンテンツとポーズ属性の両方を含むLiDARでスキャンされた部分点雲を利用する。
提案手法は,既存の自己教師付き手法に勝るだけでなく,合成および実世界のデータセット間でのより優れた一般化性を示す。
論文 参考訳（メタデータ） (2022-01-09T14:12:50Z) - Semantic Segmentation for Real Point Cloud Scenes via Bilateral
Augmentation and Adaptive Fusion [38.05362492645094]
現実世界の複雑な環境を直感的に捉えることができますが、3Dデータの生の性質のため、機械認識にとって非常に困難です。
我々は、現実に収集された大規模クラウドデータに対して、重要な視覚的タスク、セマンティックセグメンテーションに集中する。
3つのベンチマークで最先端のネットワークと比較することにより,ネットワークの有効性を実証する。
論文 参考訳（メタデータ） (2021-03-12T04:13:20Z) - Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical
Understanding of Outdoor Scene [76.4183572058063]
複数の屋外シーン理解タスクに対して,リッチな注釈付き3Dポイントクラウドデータセットを提案する。
データセットは階層型ラベルとインスタンスベースのラベルの両方でポイントワイズアノテートされている。
本稿では,3次元点雲分割のための階層的学習問題を定式化し,様々な階層間の整合性を評価することを提案する。
論文 参考訳（メタデータ） (2020-08-11T19:10:32Z)
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。