論文の概要: Deep learning for 3D point cloud processing - from approaches, tasks to its implications on urban and environmental applications

• arxiv url: http://arxiv.org/abs/2509.12452v1
• Date: Mon, 15 Sep 2025 21:03:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 17:50:52.764235
• Title: Deep learning for 3D point cloud processing - from approaches, tasks to its implications on urban and environmental applications
• Title（参考訳）: 3Dポイントクラウド処理のためのディープラーニング -アプローチからタスクへ-
• Authors: Zhenxin Zhang, Zhihua Xu, Yuwei Cao, Ningli Xu, Shuye Wang, Shen'ao Cui, Zhen Li, Rongjun Qin,
• Abstract要約: 我々は、ポイントクラウド処理の重要なタスクの選択をカバーするディープラーニングのアプローチとデータセットに関するメタレビューを提供する。 これらのタスクがサポートする都市や環境の幅広い応用をレビューすることで、これらの手法が応用に転換するにつれて、閉じるべきギャップを識別する。
• 参考スコア（独自算出の注目度）: 14.26526951620952
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Point cloud processing as a fundamental task in the field of geomatics and computer vision, has been supporting tasks and applications at different scales from air to ground, including mapping, environmental monitoring, urban/tree structure modeling, automated driving, robotics, disaster responses etc. Due to the rapid development of deep learning, point cloud processing algorithms have nowadays been almost explicitly dominated by learning-based approaches, most of which are yet transitioned into real-world practices. Existing surveys primarily focus on the ever-updating network architecture to accommodate unordered point clouds, largely ignoring their practical values in typical point cloud processing applications, in which extra-large volume of data, diverse scene contents, varying point density, data modality need to be considered. In this paper, we provide a meta review on deep learning approaches and datasets that cover a selection of critical tasks of point cloud processing in use such as scene completion, registration, semantic segmentation, and modeling. By reviewing a broad range of urban and environmental applications these tasks can support, we identify gaps to be closed as these methods transformed into applications and draw concluding remarks in both the algorithmic and practical aspects of the surveyed methods.
• Abstract（参考訳）: ポイントクラウド処理は、ジオマティクスとコンピュータビジョンの分野における基本的なタスクであり、マッピング、環境モニタリング、都市/ツリー構造モデリング、自動運転、ロボット工学、災害対応など、様々なスケールのタスクとアプリケーションをサポートしている。 ディープラーニングの急速な発展により、ポイントクラウド処理アルゴリズムは、現在、学習ベースのアプローチにほぼ明確に支配されており、その多くはまだ現実のプラクティスに移行していない。 既存の調査は主に、秩序のないポイントクラウドに対応するために、常に更新されるネットワークアーキテクチャに焦点を当てており、典型的なポイントクラウド処理アプリケーションにおいて、その実践的な価値を無視している。 本稿では,シーン補完,登録,セマンティックセグメンテーション,モデリングなど,ポイントクラウド処理の重要なタスクの選択を対象とする,ディープラーニングアプローチとデータセットのメタレビューを行う。 これらのタスクが支援できる広範囲の都市および環境応用をレビューすることで、これらの手法が応用に転換するにつれて、閉鎖すべきギャップを特定し、調査手法のアルゴリズム的および実践的側面の両方において結論を下す。

関連論文リスト

• Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
  ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。 また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
  論文  参考訳（メタデータ） (2024-05-13T14:44:22Z)
• 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)
• Advancements in Point Cloud Data Augmentation for Deep Learning: A Survey [1.5954224931801726]
  ディープラーニング(DL)は、ポイントクラウド分析タスクの主流で効果的な方法の1つになっています。 ポイントクラウドデータ拡張方法は、さまざまなポイントクラウド処理タスクで広く利用されている。 本稿では、これらの手法を調査し、基本的および専門的なポイントクラウドデータ拡張手法を含む分類フレームワークに分類する。
  論文  参考訳（メタデータ） (2023-08-23T13:06:59Z)
• 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)

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。