論文の概要: Fast 3D point clouds retrieval for Large-scale 3D Place Recognition

• arxiv url: http://arxiv.org/abs/2502.21067v1
• Date: Fri, 28 Feb 2025 14:03:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-03 13:42:50.319422
• Title: Fast 3D point clouds retrieval for Large-scale 3D Place Recognition
• Title（参考訳）: 大規模3次元位置認識のための高速3次元点雲探索
• Authors: Chahine-Nicolas Zede, Laurent Carrafa, Valérie Gouet-Brunet,
• Abstract要約: 本稿では,3次元点群検索に微分可能探索指数(DSI)を適用することにより,検索の高速化に着目する。 提案手法は点記述子に基づいて1次元識別子を生成し,一定時間で直接検索できる。 提案手法は,その検索能力と最先端の手法とを比較した公開ベンチマークにおける位置認識として評価される。
• 参考スコア（独自算出の注目度）: 5.776000002820102
• License:
• Abstract: Retrieval in 3D point clouds is a challenging task that consists in retrieving the most similar point clouds to a given query within a reference of 3D points. Current methods focus on comparing descriptors of point clouds in order to identify similar ones. Due to the complexity of this latter step, here we focus on the acceleration of the retrieval by adapting the Differentiable Search Index (DSI), a transformer-based approach initially designed for text information retrieval, for 3D point clouds retrieval. Our approach generates 1D identifiers based on the point descriptors, enabling direct retrieval in constant time. To adapt DSI to 3D data, we integrate Vision Transformers to map descriptors to these identifiers while incorporating positional and semantic encoding. The approach is evaluated for place recognition on a public benchmark comparing its retrieval capabilities against state-of-the-art methods, in terms of quality and speed of returned point clouds.
• Abstract（参考訳）: 3Dポイントクラウドの検索は、最も類似したポイントクラウドを3Dポイントの参照内で所定のクエリに検索する、難しいタスクである。 現在の手法では、類似するものを特定するために、点雲の記述子の比較に重点を置いている。 後者のステップの複雑さから,3Dポイントクラウド検索において,テキスト情報検索用に最初に設計された変換器ベースのアプローチであるDSI(Dariable Search Index)を適応させることにより,検索の高速化に着目する。 提案手法は点記述子に基づいて1次元識別子を生成し,一定時間で直接検索できる。 DSIを3Dデータに適応させるために、視覚変換器を統合し、位置と意味のエンコーディングを取り入れながら、これらの識別子にディスクリプタをマップする。 提案手法は,検索能力と最先端の手法を比較した公開ベンチマークにおける位置認識において,返却点雲の品質と速度の観点から評価した。

関連論文リスト

• SPiKE: 3D Human Pose from Point Cloud Sequences [1.8024397171920885]
  3D Human Pose Estimation (HPE) は、RGB画像や深度マップ、点雲などの2次元または3次元表現から、人間の身体のキーポイントを3次元空間内に配置するタスクである。 本稿では,点雲列を用いた3次元HPEの新しい手法であるSPiKEを提案する。 3D HPEのITOPベンチマークの実験では、SPiKEは89.19%のmAPに達し、推論時間を大幅に短縮して最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2024-09-03T13:22:01Z)
• SEED: A Simple and Effective 3D DETR in Point Clouds [72.74016394325675]
  ポイントクラウドの分散度が高く,不均一な分布のため,主な課題は困難である,と我々は主張する。 点雲から3次元物体を検出するための簡便で効果的な3次元DETR法(SEED)を提案する。
  論文  参考訳（メタデータ） (2024-07-15T14:21:07Z)
• PTT: Point-Trajectory Transformer for Efficient Temporal 3D Object Detection [66.94819989912823]
  時間的3次元物体検出を効率的に行うために,長期記憶が可能な点トラジェクトリ変換器を提案する。 私たちは、メモリバンクのストレージ要件を最小限に抑えるために、現在のフレームオブジェクトのポイントクラウドとその履歴トラジェクトリを入力として使用します。 大規模データセットに対する広範な実験を行い、我々のアプローチが最先端の手法に対してうまく機能することを実証した。
  論文  参考訳（メタデータ） (2023-12-13T18:59:13Z)
• Pixel-Aligned Recurrent Queries for Multi-View 3D Object Detection [16.677107631803327]
  PARQはマルチビューの3Dオブジェクト検出器で、トランスフォーマーとピクセルアラインなリカレントクエリを備えている。 再トレーニングせずに追加のインプットビューを利用することができ、反復回数を変更することで推論計算を適用することができる。
  論文  参考訳（メタデータ） (2023-10-02T17:58:51Z)
• V-DETR: DETR with Vertex Relative Position Encoding for 3D Object Detection [73.37781484123536]
  DETRフレームワークを用いた点雲のための高性能な3次元物体検出器を提案する。 限界に対処するため,新しい3次元相対位置(3DV-RPE)法を提案する。 挑戦的なScanNetV2ベンチマークで例外的な結果を示す。
  論文  参考訳（メタデータ） (2023-08-08T17:14:14Z)
• AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
  ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。 我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
  論文  参考訳（メタデータ） (2022-08-24T16:54:38Z)
• SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object Detection [78.90102636266276]
  SASA(Semantics-Augmented Set Abstraction)と呼ばれる新しい集合抽象化手法を提案する。 そこで本研究では, 推定点前景スコアに基づいて, より重要な前景点の維持を支援するセマンティックス誘導点サンプリングアルゴリズムを提案する。 実際には、SASAは、前景オブジェクトに関連する貴重な点を識別し、ポイントベースの3D検出のための特徴学習を改善するのに有効である。
  論文  参考訳（メタデータ） (2022-01-06T08:54:47Z)
• Group-Free 3D Object Detection via Transformers [26.040378025818416]
  3Dポイントクラウドから3Dオブジェクトを直接検出するためのシンプルで効果的な方法を紹介します。 本手法は, 点群内のすべての点から物体の特徴を, 変圧器 citevaswaniattention における注意機構の助けを借りて計算する。 ベルやホイッスルが少ないため,ScanNet V2とSUN RGB-Dの2つのベンチマークで最先端の3Dオブジェクト検出性能を実現する。
  論文  参考訳（メタデータ） (2021-04-01T17:59:36Z)
• DH3D: Deep Hierarchical 3D Descriptors for Robust Large-Scale 6DoF Relocalization [56.15308829924527]
  生の3D点から直接3次元特徴の検出と記述を共同で学習するシームズネットワークを提案する。 3次元キーポイントを検出するために,局所的な記述子の識別性を教師なしで予測する。 各種ベンチマーク実験により,本手法はグローバルポイントクラウド検索とローカルポイントクラウド登録の両面で競合する結果が得られた。
  論文  参考訳（メタデータ） (2020-07-17T20:21:22Z)
• Unconstrained Matching of 2D and 3D Descriptors for 6-DOF Pose Estimation [44.66818851668686]
  我々は2D点と3D点とに対応する特徴記述子のデータセットを生成する。 テスト時に画像のポーズをローカライズするために,クエリ画像からキーポイントと特徴記述子を抽出する。 マッチングされた特徴の位置は、クエリ画像の位置と向きを予測する頑健なポーズ推定アルゴリズムで使用される。
  論文  参考訳（メタデータ） (2020-05-29T11:17:32Z)

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。