- 博客(2)
- 收藏
- 关注
RSS订阅原创 Learning to Segment 3D Point Clouds in 2D Image Space（CVPR2020）论文分析
本文创新地研究了如何有效地将点云投影到二维图像空间，借助构建图形的 Delaunay 三角剖分理论和多尺度 U-Net 网络设计，从而使传统的二维卷积神经网络可以应用于点云分割。首先，本文利用图形绘制的理论，将点云投影问题转化为整数规划问题，学习每个点云的拓扑保持图到网格的映射；其次，本文提出了一种新的分层近似算法，来加快计算速度；最后，文中方法在 ShapeNet 和PartNet 数据集上展示了最先进的性能，如下图所示。本文方法在目前的点云分割方法中具有...
2021-10-26 13:25:08
223
原创 基于分数的点云去噪：论文分享
摘要从扫描设备获取的点云经常受到噪声的干扰，这会影响下游任务，如曲面重建和分析。噪声点云的分布可以看作是一组无噪声样本p(x)与某个噪声模型n卷积的分布，导致(p*n)(x)的模式是底层清洁表面。为了去除噪声点云，我们建议通过梯度上升迭代更新每个点的位置，从p*n增加每个点的对数似然。由于p*n在测试时是未知的，并且我们只需要分数（即对数概率函数的梯度）来执行梯度上升，因此我们提出了一种神经网络结构来估计pn的分数，仅将噪声点云作为输入。我们推导了训练网络的目标函数，并开发了一种基于估计分数的去噪算法。
2021-10-18 15:31:06
1460
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人