論文の概要: PFF-Net: Patch Feature Fitting for Point Cloud Normal Estimation

• arxiv url: http://arxiv.org/abs/2511.21365v1
• Date: Wed, 26 Nov 2025 13:12:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:59.105158
• Title: PFF-Net: Patch Feature Fitting for Point Cloud Normal Estimation
• Title（参考訳）: PFF-Net:ポイントクラウド正規化のためのパッチ機能
• Authors: Qing Li, Huifang Feng, Kanle Shi, Yue Gao, Yi Fang, Yu-Shen Liu, Zhizhong Han,
• Abstract要約: 点雲の頑健な正規推定のための特徴抽出の新しいアイデアを提案する。 我々は、様々なデータやジオメトリに対して適切なパッチサイズを選択する問題に対処するために、異なる近傍サイズのマルチスケール特徴の融合を利用する。 マルチスケールの特徴を集約した近似戦略により,各局所パッチのスケール適応を実現することができる。
• 参考スコア（独自算出の注目度）: 81.94096000733127
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Estimating the normal of a point requires constructing a local patch to provide center-surrounding context, but determining the appropriate neighborhood size is difficult when dealing with different data or geometries. Existing methods commonly employ various parameter-heavy strategies to extract a full feature description from the input patch. However, they still have difficulties in accurately and efficiently predicting normals for various point clouds. In this work, we present a new idea of feature extraction for robust normal estimation of point clouds. We use the fusion of multi-scale features from different neighborhood sizes to address the issue of selecting reasonable patch sizes for various data or geometries. We seek to model a patch feature fitting (PFF) based on multi-scale features to approximate the optimal geometric description for normal estimation and implement the approximation process via multi-scale feature aggregation and cross-scale feature compensation. The feature aggregation module progressively aggregates the patch features of different scales to the center of the patch and shrinks the patch size by removing points far from the center. It not only enables the network to precisely capture the structure characteristic in a wide range, but also describes highly detailed geometries. The feature compensation module ensures the reusability of features from earlier layers of large scales and reveals associated information in different patch sizes. Our approximation strategy based on aggregating the features of multiple scales enables the model to achieve scale adaptation of varying local patches and deliver the optimal feature description. Extensive experiments demonstrate that our method achieves state-of-the-art performance on both synthetic and real-world datasets with fewer network parameters and running time.
• Abstract（参考訳）: 点の正規度を推定するには、中心を取り巻くコンテキストを提供するために局所的なパッチを構築する必要があるが、異なるデータや測地を扱う場合、適切な近傍サイズを決定することは困難である。 既存の手法では、入力パッチから完全な特徴記述を抽出するために、様々なパラメータ重戦略が一般的である。 しかし、様々な点雲の正常を正確かつ効率的に予測することは依然として困難である。 そこで本研究では,点雲のロバストな正規推定のための特徴抽出法を提案する。 我々は、様々なデータやジオメトリに対して適切なパッチサイズを選択する問題に対処するために、異なる近傍サイズのマルチスケール特徴の融合を利用する。 マルチスケール特徴量に基づくパッチ特徴量フィッティング(PFF)をモデル化し,正規推定のための最適幾何記述を近似し,マルチスケール特徴量アグリゲーションとクロススケール特徴量補償による近似処理を実装する。 特徴集約モジュールは、異なるスケールのパッチ特徴をパッチの中央に徐々に集約し、中心から離れた点を取り除き、パッチサイズを縮小する。 ネットワークが広い範囲で構造特性を正確に捉えられるだけでなく、高度に詳細なジオメトリも記述できる。 機能補償モジュールは、以前の大規模レイヤの機能を再利用し、関連する情報を異なるパッチサイズで公開する。 マルチスケールの特徴を集約した近似戦略により,各局所パッチのスケール適応を実現し,最適な特徴記述を提供する。 大規模な実験により,ネットワークパラメータが少なく,実行時間も少ない合成と実世界の両方のデータセット上で,最先端の性能を実現することができた。

関連論文リスト

• A Refreshed Similarity-based Upsampler for Direct High-Ratio Feature Upsampling [54.05517338122698]
  一般的な類似性に基づく機能アップサンプリングパイプラインが提案されている。 本稿では,セマンティック・アウェアとディテール・アウェアの両方の観点から,明示的に制御可能なクエリキー機能アライメントを提案する。 我々は,モーザイクアーティファクトを緩和する上ではシンプルだが有効であるHR特徴に対して,きめ細かな近傍選択戦略を開発する。
  論文  参考訳（メタデータ） (2024-07-02T14:12:21Z)
• Edge-aware Feature Aggregation Network for Polyp Segmentation [38.11584888416297]
  本研究では,ポリプセグメンテーションのためのエッジ対応特徴集約ネットワーク(EFA-Net)を提案する。 EFA-Netは、ポリプセグメンテーションの性能を高めるために、クロスレベルとマルチスケールの機能を完全に活用することができる。 広く採用されている5つの大腸内視鏡データセットの実験結果から,我々のEFA-Netは,一般化と有効性の観点から,最先端のポリプセグメンテーション法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-09-19T11:09:38Z)
• PointPatchMix: Point Cloud Mixing with Patch Scoring [58.58535918705736]
  我々は、パッチレベルでポイントクラウドを混合し、混合ポイントクラウドのコンテンツベースターゲットを生成するPointPatchMixを提案する。 パッチスコアリングモジュールは、事前学習した教師モデルから、コンテンツに基づく重要度スコアに基づいて目標を割り当てる。 Point-MAE をベースラインとして,ScanObjectNN では86.3%,ModelNet40 では94.1% の精度で,従来の手法をかなり上回りました。
  論文  参考訳（メタデータ） (2023-03-12T14:49:42Z)
• GraphFit: Learning Multi-scale Graph-Convolutional Representation for Point Cloud Normal Estimation [31.40738037512243]
  本研究では,非構造3次元点雲の高精度かつ効率的な正規推定法を提案する。 我々は、より局所的な近傍幾何学を強調する正規推定のためのグラフ畳み込み特徴表現を学習する。 提案手法は,様々なベンチマークデータセットにおいて,最先端の精度で競合より優れる。
  論文  参考訳（メタデータ） (2022-07-23T10:29:26Z)
• BIMS-PU: Bi-Directional and Multi-Scale Point Cloud Upsampling [60.257912103351394]
  我々はBIMS-PUと呼ばれる新しいポイント・クラウド・アップサンプリング・パイプラインを開発した。 対象のサンプリング因子を小さな因子に分解することにより,アップ/ダウンサンプリング手順をいくつかのアップ/ダウンサンプリングサブステップに分解する。 提案手法は最先端手法よりも優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-25T13:13:37Z)
• Dynamic Convolution for 3D Point Cloud Instance Segmentation [146.7971476424351]
  動的畳み込みに基づく3次元点雲からのインスタンスセグメンテーション手法を提案する。 我々は、同じ意味圏と閉投票を持つ等質点を幾何学的遠近点に対して収集する。 提案手法は提案不要であり、代わりに各インスタンスの空間的および意味的特性に適応する畳み込みプロセスを利用する。
  論文  参考訳（メタデータ） (2021-07-18T09:05:16Z)
• Fast and Accurate Normal Estimation for Point Cloud via Patch Stitching [12.559091712749279]
  非構造点雲に対するマルチパッチ縫合を用いた効果的な正規推定法を提案する。 本手法は,従来の手法に比べて計算コストの低減とノイズに対する堅牢性の向上により,SOTA結果を達成した。
  論文  参考訳（メタデータ） (2021-03-30T04:30:35Z)
• Multi-Person Pose Estimation with Enhanced Feature Aggregation and Selection [33.15192824888279]
  複数人物のポーズ推定のためのEFASNet(Enhanced Feature Aggregation and Selection Network)を提案する。 我々の手法は、混み合った、散らばった、ぎこちないシーンをうまく扱える。 総合的な実験により、提案手法は最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-03-20T08:33:25Z)

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。