一路繁华的^夏-CSDN博客

原创论文阅读 Masked Scene Contrast: A Scalable Framework for Unsupervised 3D Representation Learning

这篇论文的主要内容是针对3D场景的无监督表示学习。文章首先对之前的一项开创性工作——PointContrast进行了分析。PointContrast利用原始RGB-D帧（深度信息）的对比学习进行3D表示的无监督学习，并在各种下游任务中证明了其有效性。然而，大规模的3D无监督学习的发展还存在两个主要障碍： 1) 将RGB-D帧作为对比视图进行匹配的效率低下 2) 在前人工作中提到的模式崩溃现象。（模型学习时，所有的生成器的参数都收敛到相同的值，导致生成的样本几乎相同，表现出较差的多样性。）

2023-07-19 10:18:45 247

原创论文阅读：OctFormer: Octree-based Transformers for 3D Point Clouds

北京大学2023年文献，在scannetv2数据集语义分割赛道上目前排名第二且不需要预训练模型对于3D点云理解等任务，目前Point Cloud Transformers已经开始引起广泛关注，但是Point Cloud Transformers的效率仍然比CNN要低，特别是在处理像ScanNet这样的大规模数据集时。尽管Transformers的表达能力至少与CNN相当，但在点云上应用Transformers的主要挑战在于克服变换器的巨大计算复杂性，它与涉及的元素数量成二次关系。为此本文提出

2023-07-11 18:42:51 1561

原创论文阅读Point Transformer V2: Grouped Vector Attention and Partition-based Pooling

相比于传统的最大池化或平均池化，基于划分的池化将小块划分成多个子块，然后对每个子块进行独立计算，最后将它们组合起来得到整个小块的特征表达。在PCT的基础上进一步改进的点云处理方法，通过分组向量注意力(Grouped Vector Attention)和基于划分的池化机制，提高了对点云特征的提取和聚合能力，并在轻量级上有了新的突破。相比于传统的向量注意力，分组向量注意力将向量拆分成多个小块，然后对每个小块进行独立计算，从而降低了计算复杂度。4.点云解码:对整个点云的特征进行解码，得到点云的分类或分割结果。

2023-04-21 10:11:31 1578 1

原创论文阅读 DyCo3D: Robust Instance Segmentation of 3D Point Clouds through Dynamic Convolution

其中Lseg为语义分割，Lctr为质心监督，Lmask和Ldice是实例分割的两个损失向，权重都设置为1.0，推理过程中采用对实例二进制掩码进行NMS，IoU阈值为0.3。与传统方法不同，传统方法直接将聚类视为单独的实例提议，会严重对提议质量产生依赖，这里通过探索点空间分布并集成上下文来生成用于实例解码的过滤器。2，将质心预测以及语义分割作为输入的权重生成，对质心共享类别预测的同质点来输出实例感知位置嵌入特定类别掩码和卷积。Pi是第i个点坐标，Ooff是第I项，ctr是相应实例几何质心，pi为指示函数。

2023-04-04 10:25:18 292 2

原创 3D Instances as 1D Kernels⋆ 论文阅读

通过引入一个实例内核，由一维向量表示，来对实例对象的语义，位置以及形状信息进行编码首先在潜在的实例质心定位候选，之后设计一种候选合并方案来聚合重复候选并通过收集候选周围的上下文形成实例内核，一旦实例内核可用就可以通过动态卷积重建，其权重是以实例内核为条件动态调整。如何防止重复候选：通过局部归一化的非最大抑制算子提取质心，观察到重复啧被预测用于单个实例，设计一种迭代聚合机制在预测和合并分数图的指导下合并重复候选点。主要贡献，创新： 1，将动态卷积思想扩展到实例内核中 2

2023-04-01 10:03:46 141 1

原创 ISBNet: a 3D Point Cloud Instance Segmentation Network with Instance-aware Sampling 阅读

三维实例分割目前sota第一名新作阅读

2023-03-29 10:06:49 1287 10

canmengw的博客

原创论文阅读 Masked Scene Contrast: A Scalable Framework for Unsupervised 3D Representation Learning

原创论文阅读：OctFormer: Octree-based Transformers for 3D Point Clouds

原创论文阅读Point Transformer V2: Grouped Vector Attention and Partition-based Pooling

原创论文阅读 DyCo3D: Robust Instance Segmentation of 3D Point Clouds through Dynamic Convolution

原创 3D Instances as 1D Kernels⋆ 论文阅读

原创 ISBNet: a 3D Point Cloud Instance Segmentation Network with Instance-aware Sampling 阅读

空空如也

空空如也

原创 论文阅读 Masked Scene Contrast: A Scalable Framework for Unsupervised 3D Representation Learning

原创 论文阅读：OctFormer: Octree-based Transformers for 3D Point Clouds

原创 论文阅读Point Transformer V2: Grouped Vector Attention and Partition-based Pooling

原创 论文阅读 DyCo3D: Robust Instance Segmentation of 3D Point Clouds through Dynamic Convolution

原创 3D Instances as 1D Kernels⋆ 论文阅读

原创 ISBNet: a 3D Point Cloud Instance Segmentation Network with Instance-aware Sampling 阅读

空空如也

空空如也

原创论文阅读 Masked Scene Contrast: A Scalable Framework for Unsupervised 3D Representation Learning

原创论文阅读：OctFormer: Octree-based Transformers for 3D Point Clouds

原创论文阅读Point Transformer V2: Grouped Vector Attention and Partition-based Pooling

原创论文阅读 DyCo3D: Robust Instance Segmentation of 3D Point Clouds through Dynamic Convolution