Garcia • Kirlant-CSDN博客

识别大量相同类别的被遮挡物体是一个非常具有挑战性的问题。在一个常见的拣箱子场景中，许多相同的物体堆叠在一起，并且这些物体的模型是已知的。因此，可以忽略语义信息；相反，拣箱子的重点放在实例的分割上。基于这一任务需求，我们提出了一种快速点云聚类(FPCC)算法用于拣箱场景的实例分割。FPCC包括一个名为 FPCC-Net 的网络和一种快速聚类算法。FPCC-Net 有两个子网，一个用于推断聚类的几何中心，另一个用于描述每个点的特征。...

2021-12-01 15:08:25 769

原创【文献翻译】PointSIFT: 用于3D点云语义分割的 SIFT-like 网络模块

摘要近年来，三维理解研究为直接从点云中提取特征提供了新的思路[22,24]，这需要对点云进行有效的形状模式描述。受二维形状描述符SIFT[15]的启发，我们设计了一个名为PointSIFT的模块，它编码不同方向的信息，并适应形状的比例。具体来说，设计了一个方向编码单元来描述八个关键方向，并通过多个方向编码单元的叠加实现多尺度表示。PointSIFT模块可以集成到各种基于pointnet的体系结构中，以提高表示能力。大量实验表明，我们的基于PointSIFT的框架在标准基准数据集上的表现优于最先进的方法。代

2021-11-18 11:20:57 247

原创【文献翻译】Instance Aware Embedding

Encode Instance-Aware ContextFbF_bFb 的表示是通过聚合来自覆盖实例空间范围的 RbR_bRb 的信息来增强的。由于这些检测点不一定位于输入点上，因此利用K-NN对 RbR_bRb 特征进行插值。然后将插入的特征添加到原始 FbF_bFb 中，生成包含局部表示和实例上下文的特征。与每个输入点都需要搜索相邻点的ASIS[30]ASIS^{[30]}ASIS[30]相比，我们的方法效率更高。由于在瓶颈层采用了K-NN, PbP_bPb 中的搜索空间比P中的搜索空间

2021-11-11 16:55:05 119

原创【文献翻译】RandLA-Net：大尺度点云上的高效语义分割

摘要我们研究了大规模三维点云的有效语义分割问题。由于依赖昂贵的采样技术或繁重的预处理/后处理步骤，大多数现有方法只能在小规模的点云上进行训练和操作。在本文中，我们引入了RandLA-Net，这是一个高效和轻量级的神经体系结构，用于直接推断大规模点云的点语义。我们的方法的关键是使用随机点采样，而不是更复杂的点选择方法。尽管随机抽样具有很高的计算和内存效率，但它可能会偶然丢弃一些关键特征。为了克服这一问题，我们引入了一种新的局部特征聚合模块，逐步增加每个三维点的接受场，从而有效地保留几何细节。大量实验表明，我

2021-07-05 14:54:39 600

原创【文献翻译】KPConv：灵活且可变形的点云卷积

摘要我们提出了核点卷积(KPConv)，一种新的点卷积设计，即在没有任何中间表示的点云上运行。KPConv的卷积权值通过核点在欧氏空间中定位，并应用于核点附近的输入点。它可以使用任意数量的内核点，这使KPConv比固定的网格卷积更灵活。此外，这些位置在空间上是连续的，可以通过网络学习。因此，kpconv可以扩展到可变形的卷积，学习适应核点局部几何。由于有规律的子采样策略，KPConv对于不同的密度也是有效和健壮的。无论是对复杂任务使用可变形的KPConv，还是对简单任务使用刚性的KPConv，我们的网络

2021-06-27 09:47:37 2975

原创【文献翻译】3D-BoNet：学习点云上三维实例分割的对象边界盒

Learning Object Bounding Boxes for 3D Instance Segmentation on Point Clouds摘要我们提出了一种新颖的、概念简单且通用的三维点云实例分割框架。我们的方法称为3D-BoNet，遵循逐点多层感知器(MLPs)的简单设计哲学。该框架直接回归点云中所有实例的3D边框，同时为每个实例预测点级掩模。它由一个骨干网络和两个并行网络分支组成，分别进行边界盒回归和逐点掩模预测。3D-BoNet是一个single-stage、anchor-free、

2020-12-14 21:34:53 1367

大秦帝国

原创【JavaWeb学习】Vue3

原创【八股】前端

原创【JavaWeb学习】路由 vue-router

原创【JavaWeb学习】Vuex

原创【JavaWeb学习】Vue 脚手架

原创【JavaWeb学习】Vue 组件化编程

原创【JavaWeb学习】Vue核心

原创【JavaWeb学习】Node.js

原创【JavaWeb学习】Ajax（Asynchronous JavaScript And XML）

原创【JavaWeb学习】ES6 ( ECMAScript )

原创【JavaWeb学习】JavaScript（高级数据变量内存）

原创【文献翻译】PCT：Point Cloud Transformer

原创【JavaWeb学习】JavaScript（练习）

原创【JavaWeb学习】JavaScript（基础）

原创【JavaWeb学习】CSS (移动端开发视口)

原创【JavaWeb学习】CSS（less）

原创【JavaWeb学习】CSS（动画）

原创【文献翻译】Contrastive Boundary Learning：对比边界学习在点云分割中的应用

原创【文献翻译】Point MLP：一个简单的残差MLP框架

原创【JavaWeb学习】Java Script（入门）

原创【JavaWeb学习】CSS（背景）

原创【JavaWeb学习】CSS（文本和图片）

原创【JavaWeb学习】CSS（布局）

原创【JavaWeb学习】CSS（练习）

原创【文献翻译】ISSF：实例分离和语义融合

原创【JavaWeb学习】CSS (其他)

原创【JavaWeb学习】CSS（选择器）

原创【JavaWeb学习】CSS（样式和布局）

原创【JavaWeb学习】HTML

原创【文献翻译】FPCC: 用于实例分割的快速点云聚类