FCGF:全卷积几何特征项目推荐
FCGF 项目地址: https://gitcode.com/gh_mirrors/fc/FCGF
1. 项目基础介绍和主要编程语言
FCGF(Fully Convolutional Geometric Features)是一个开源项目,专注于从3D扫描或点云数据中提取几何特征。该项目主要使用Python编程语言,并依赖于PyTorch深度学习框架。通过3D全卷积网络的一次前向传播,FCGF能够快速且准确地提取几何特征,适用于点云配准、重建和跟踪等应用。
2. 项目核心功能
FCGF的核心功能是通过全卷积网络提取3D几何特征。具体来说,它能够在单次前向传播中计算出紧凑且具有广泛空间上下文的几何特征。这些特征不仅适用于大规模场景,而且在速度和精度上均优于现有的最先进方法。FCGF还引入了新的度量学习损失函数,显著提升了特征提取的性能。
3. 项目最近更新的功能
- 2020-10-02:在MinkowskiEngine v0.5上测量了FCGF的加速性能,速度提升范围从2.7倍到7.7倍,具体取决于批处理大小。
- 2020-09-04:MinkowskiEngine v0.5的更新进一步将推理时间从13.2ms缩短到11.8ms。作为参考,MinkowskiEngine v0.4需要37ms。
- 2020-08-18:将v0.5版本合并到主分支,支持稀疏张量的高效GPU计算,显著提升了训练和推理速度。
- 2020-08-07:MinkowskiEngine v0.5将FCGF的推理速度提升了2.8倍(280%的加速),具体表现为ResUNetBN2C在3DMatch厨房点云上的前向传播时间从37ms(ME v0.4.3)降至13.2ms(ME v0.5.0)。
- 2020-06-15:发布了Deep Global Registration(CVPR 2020 Oral)的源代码,展示了如何使用FCGF进行点云配准。