三维点云
文章平均质量分 89
橘子果酱CV
这个作者很懒,什么都没留下…
展开
-
ECCV2020 语义分割——JSENet: Joint Semantic Segmentation and Edge Detection Network for 3D Point Clouds
阅读论文所做笔记,仅供参考!原创 2020-11-28 10:47:57 · 1905 阅读 · 2 评论 -
ECCV2020 点云处理——A Closer Look at Local Aggregation Operators in Point Cloud Analysis
A Closer Look at Local Aggregation Operators in Point Cloud Analysis动机 Motivation动机 Motivation由于每个网络的总体架构和实现细节不同,因此未仔细研究这些operators对网络性能的影响。同时,大多数operators仅应用于浅层架构。在本文中,我们将重新研究代表性的本地聚合算子,并使用相同的深度残差架构研究其性能。我们的调查表明,尽管这些运营商的设计不同,但是所有这些operators在相同的网络输入和特征数原创 2020-11-13 21:10:48 · 1583 阅读 · 6 评论 -
论文汇报PPT——PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation
原创 2020-10-23 19:18:20 · 1285 阅读 · 0 评论 -
ECCV2020语义分割——Searching Efficient 3D Architectures with Sparse Point-Voxel Convolution
Searching Efficient 3D Architectures with Sparse Point-Voxel Convolution(一)动机 Motivation(二)创新 Innovation(三)SPVConv: Designing Effective 3D Modules3.1 Point-Voxel Convolution: Coarse Voxelization3.2 Sparse Convolution: Aggressive Downsampling3.3 Solution: S原创 2020-10-22 18:24:10 · 2970 阅读 · 0 评论 -
ECCV2020语义分割——Virtual Multi-view Fusion for 3D Semantic Segmentation
Virtual Multi-view Fusion for 3D Semantic Segmentation动机 Motivation创新 Invocation动机 Motivation用于3D语义分割的最新技术(SOTA)方法使用3D稀疏体素卷积运算符来处理输入数据。例如,MinkowskiNet和SparseConvNet 各自将输入数据加载到稀疏3D体素网格中,并使用稀疏3D卷积提取特征。这些“placecentric”的方法旨在识别3D模式,因此对于具有独特3D形状的对象类型(例如椅子)效果很好原创 2020-10-22 13:48:13 · 1453 阅读 · 0 评论 -
ECCV2020语义分割——Deep FusionNet for Point Cloud Semantic Segmentation
Deep FusionNet for Point Cloud Semantic Segmentation(一)动机 Motivation(二)创新 Innovation(三)网络 FusionNet3.1 Point Cloud Representation3.2 Neighborhood Aggregations3.3 Inner-voxel Aggregation(一)动机 Motivation现有方法不足:尽管基于体素的卷积对于特征聚合很有用,但是如果体素包含来自不同类的点,则它们会产生原创 2020-10-21 14:59:08 · 1767 阅读 · 1 评论 -
ECCV2020语义分割——Self-Prediction for Joint Instance and Semantic Segmentation of Point Clouds
Self-Prediction for Joint Instance and Semantic Segmentation of Point CloudsAbstract提出了一种新的学习方案,即三维实例的自预测和点云的语义分割。与大多数现有的专注于设计卷积操作符的方法不同,该论文设计了一种新的学习方案来增强点关系的探索,以便更好地分割。更具体地说,将一个点云样本划分为两个子集,并根据它们的表示构造一个完整图。在给定一个子集的标签时,利用标签传播算法对另一个子集的标签进行预测。通过训练这个自预测任原创 2020-08-12 17:05:35 · 916 阅读 · 8 评论 -
CVPR 2020——OccuSeg: Occupancy-aware 3D Instance Segmentation
OccuSeg: Occupancy-aware 3D Instance SegmentationAbstract(一)Introduction(二)Related Work(三)Methods3.1. Multi-task Learning3.1.1 Embedding Learning3.1.2 Occupancy Regression3.2. Instance Clustering3.3. Network Training(四)Experiments4.1. Qualitative Evaluatio原创 2020-08-02 11:53:56 · 1265 阅读 · 1 评论 -
CVPR2020——3D-MPA: Multi Proposal Aggregation for 3D Semantic Instance Segmentation
3D-MPA: Multi Proposal Aggregation for 3D Semantic Instance SegmentationAbstract(一)Introduction功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导原创 2020-08-01 03:46:04 · 950 阅读 · 1 评论 -
CVPR 2019——PointConv: Deep Convolutional Networks on 3D Point Clouds
PointConv: Deep Convolutional Networks on 3D Point CloudsAbstract(一)IntroductionAbstract将动态滤波器扩展到一个新的卷积运算,即PointConv。PointConv可以应用于点云以构建深度卷积网络。将卷积核视为由权重和密度函数组成的3D点局部坐标的非线性函数。提出了一个公式,可以有效地计算权重函数,从而能够大幅扩展网络并显着改善其性能。学习的卷积核可用于计算3D空间中任何点集上的平移不变和置换不变卷积。Po原创 2020-07-04 12:27:37 · 951 阅读 · 0 评论 -
论文阅读——Knowledge-Embedded Representation Learning
Knowledge-Embedded Representation LearningAuthorsAbstract(一) Introduction(二) Related Work2.1 Fine-Grained Image Classification2.2 Knowledge Representation(三)KERL Framework3.1 Review of GGNN3.2 Knowled...原创 2020-03-01 15:24:32 · 1513 阅读 · 3 评论 -
CVPR 2020——Unsupervised Learning of Intrinsic Structural Representation Points
Unsupervised Learning of Intrinsic Structural Representation Points(一) Abstract(二) Introduction(三) Method论文:https://arxiv.org/abs/2003.01661源码:https://github.com/NolenChen/3DStructurePoints(一) Abstract提出一种无监督方法,学习新的三维结构点的结构表示。以3D点云作为输入,并将其编码为一组局部特征。然原创 2020-06-07 11:59:50 · 1170 阅读 · 0 评论 -
CVPR 2020——PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation
PointGroup: Dual-Set Point Grouping for 3D Instance SegmentationAbstract(一) Introduction源码:https://github.com/Jia-Research-Lab/PointGroupAbstract介绍了PointGroup,这是一种新的端到端自下而上的体系结构,着重关注于通过探索对象之间的空隙空间更好地对点进行分组。设计了一个两分支网络来提取点特征并预测语义标签和偏移量,以将每个点移向其各自的实例质心。原创 2020-05-14 12:37:27 · 2615 阅读 · 13 评论 -
ICRA 2020——Dilated Point Convolutions: On the Receptive Field Size of Point Convolutions on 3D Point
Dilated Point Convolutions: On the Receptive Field Size of Point Convolutions on 3D Point CloudsAbstract(一)Introduction(二)Related Work(三)Approach(四)Experiments(五)Conclusion论文:https://arxiv.org/abs/1907.12046Abstract提出了扩张点卷积(DPC)。感受野的大小与3D点云处理任务的性能直接相关原创 2020-05-09 18:01:42 · 1187 阅读 · 0 评论 -
CVPR 2020——Weakly Supervised Semantic Point Cloud Segmentation: Towards 10× Fewer Labels
Weakly Supervised Semantic Point Cloud Segmentation: Towards 10× Fewer LabelsAbstract(一)Introduction(二) Related Work(三)Methodology3.1 Point Cloud Encoder Network3.2. Incomplete Supervision Branch3.3. Inexact Supervision Branch3.4. Siamese Self-Supervision3原创 2020-05-09 18:04:41 · 1497 阅读 · 3 评论 -
CVPR 2020——FPConv: Learning Local Flattening for Point Convolution
FPConv: Learning Local Flattening for Point ConvolutionAbstract(一) Introduction(二)FPConv3.1. Learn Local Flattening3.2. Implementation(三)Architecture3.1. Residual FPConv Block3.2. Multi-Scale Analysis3.3. Fusing Two Convolutions(四)Experiments4.1. 3D Shape原创 2020-05-08 23:24:03 · 953 阅读 · 2 评论 -
CVPR 2020——Learning to Segment 3D Point Clouds in 2D Image Space
Learning to Segment 3D Point Clouds in 2D Image SpaceAbstract(一)Introduction(二)Related Work(三)Our Method: A System Overview3.1. Graph Construction from Point Clouds3.2 Graph Drawing: from Graphs to Im...原创 2020-05-08 11:30:10 · 1295 阅读 · 0 评论 -
CVPR 2019——Learning Object Bounding Boxes for 3D Instance Segmentation on Point Clouds
Learning Object Bounding Boxes for3D Instance Segmentation on Point CloudsAbstract1. Introduction2 3D-BoNet2.2 Bounding Box Prediction3D Instance Segmentation on Point Clouds)Abstract我们提出了一种新颖的,概念...原创 2020-05-08 09:06:59 · 1825 阅读 · 2 评论 -
CVPR 2020——Grid-GCN for Fast and Scalable Point Cloud Learning
CVPR 2020——Grid-GCN for Fast and Scalable Point Cloud LearningAbstractIntroduction2. Related WorkMethods3.1. Method Overview3.2. Coverage-Aware Grid Query (CAGQ)Abstract由于点云数据的稀疏性和不规则性,直接消耗点的方法变得很流行...原创 2020-05-08 09:19:55 · 1356 阅读 · 5 评论 -
三维点云论文——图片常用格式LaTeX排版
问题:在论文中,我们会经常看到下面展示的这种图片,对多幅子图进行对比展示,下标(可选择是否需要),并对数据的每个类别用不同的颜色进行注释,下标(不需要),但是需要换成文字注释。虽然可以选择在PPT或者其他画图软件画好,然后简单的直接将一整张图导入到Latex,但是这会造成一个小瑕疵, 图片里面的字体大小和正文字体大小可能会不一样,并且图放大或者缩小,字体也容易变形,我觉得这是一个容易忽视但又十分...原创 2020-03-18 08:28:51 · 1047 阅读 · 1 评论 -
CVPR 2020——RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds (已开源)
CVPR 2020 | RandLA-Net:大场景三维点云语义分割新框架(已开源)(一) Authors(二) Abstract(三)Introduction(三)Related Work(四)RandLA-Net4.1. Overview4.2. The quest for efficient sampling4.3. Local Feature Aggregation论文链接: https...原创 2020-03-17 17:10:13 · 7744 阅读 · 25 评论 -
论文阅读——Relation-Shape Convolutional Neural Network for Point Cloud Analysis
Relation-Shape Convolutional Neural Network for Point Cloud AnalysisAuthorsAbstract(一)Introduction(二)Related Work(三)Shape-Aware Representation Learning3.1. Relation-Shape Convolution3.2 Properties3.3....原创 2020-02-24 09:27:23 · 2685 阅读 · 4 评论 -
三维点云语义分割【综述】 ——Deep Learning for 3D Point Clouds: A Survey
3D POINT CLOUD SEGMENTATION3D Semantic SegmentationProjection-based NetworksPoint-based NetworksInstance SegmentationProposal-based MethodsProposal-free MethodsPart SegmentationSummary3D点云分割需要了解全局几何结...原创 2020-02-16 11:17:00 · 13400 阅读 · 0 评论 -
论文汇报PPT——KPConv: Flexible and Deformable Convolution for Point Clouds
原创 2020-02-12 09:14:42 · 1635 阅读 · 5 评论 -
论文阅读——KPConv: Flexible and Deformable Convolution for Point Clouds
论文阅读——KPConv(一)Abstract(二)Introduction(三)Related Work3.1 Projection networks3.2 Graph convolution networks3.3 Pointwise MLP network3.4 Point convolution networks(四)Kernel Point Convolution4.1 A Kernel...原创 2020-02-06 12:03:23 · 7742 阅读 · 6 评论 -
论文汇报PPT——Large-scale Point Cloud Semantic Segmentation with Superpoint Graphs
原创 2020-01-27 11:53:35 · 5043 阅读 · 59 评论 -
三维点云——数据标注
数据处理-点云数据标注欢迎使用Markdown编辑器一.标注工具功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使...原创 2020-01-27 11:14:37 · 35775 阅读 · 152 评论