![](https://img-blog.csdnimg.cn/20190918140012416.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
科研论文
文章平均质量分 94
科研论文
Darren214
这个作者很懒,什么都没留下…
展开
-
《论文阅读28》Unsupervised 3D Shape Completion through GAN Inversion
而对抗,就是指GAN两个网络交替训练的过程,其中生成网络为了欺骗判别网络,会不断提升自己的生成效果,做到以假乱真,令判别网络一直认为生成网络产生的内容是真实的:而判别网络为了不被生成网络欺骗也会不断提升自己的判别效果,做到拥有一双“火眼金睛”一直能识别出生成网络产生的虚假内容。即生成网络为了在判别网络中得到高分,会不断提升自己的性能,而判别网络为了能准确地给生成网络打低分,也会不断提升自己的性能,双方就是在一种对抗的过程中互相提升自己,这就是GAN。,而非真实图片,因此它产生的结果是具有随机性的。原创 2023-12-20 21:23:28 · 393 阅读 · 1 评论 -
《论文阅读27》SuperGlue: Learning Feature Matching with Graph Neural Networks
Attention [61,64,62,26]可以通过关注特定的元素和属性来执行全局和数据相关的局部聚合,因此更加灵活。通过观察到自我注意力可以被视为完整图上的消息传递图神经网络[23,4]的实例,我们将注意力应用于具有多种类型边缘的图,类似于[28,72],并使SuperGlue能够学习关于两组局部特征的复杂推理。动机:在图像匹配问题中,可以利用世界的一些规律:3D世界在很大程度上是平滑的,有时是平面的,如果场景是静态的,则给定图像对的所有对应关系都从单个对极变换导出,并且一些姿势比其他姿势更可能。原创 2023-09-27 11:20:39 · 1261 阅读 · 0 评论 -
《论文阅读23》3DMatch: Learning Local Geometric Descriptors from RGB-D Reconstructions
CVPR 2017。原创 2023-09-26 09:01:26 · 307 阅读 · 0 评论 -
《论文阅读22》APR: Online Distant Point Cloud Registration through Aggregated Point Cloud Reconstruction
我们的设计迫使编码器提取功能,丰富的本地几何信息的基础上,一个单一的输入点云。此外,解码器对单个点云的特征图进行解码,并导出重构的点云,该重构的点云与聚合点云(APC)进行比较,该聚合点云被定义为对应车辆的一系列点云帧对齐在一起。Qin等人,2022],其中首先对下采样点云执行配准(即,超级点),然后级联到匹配的超级点周围的更密集的点云补丁上。例如,对于驾驶安全应用来说,采用严格的配准准则是极其关键的,例如,0.5°的旋转误差和0.5米的平移误差(对应于在50米内的所有位置处小于一米的最大平移误差)。原创 2023-09-02 15:53:36 · 224 阅读 · 1 评论 -
《论文阅读21》Equivariant Multi-View Networks
ICCV 2019。原创 2023-09-01 20:56:09 · 1402 阅读 · 2 评论 -
《论文阅读20》RoReg: Pairwise Point Cloud Registration With Oriented Descriptors and Local Rotations
稿件于2022年9月5日收到;2023年1月18日修订;2023年2月5日接受。原创 2023-09-10 22:23:14 · 562 阅读 · 1 评论 -
《论文阅读19》Multisource forest point cloud registration with semantic-guided keypointsand robust RANSAC
首先,在木叶分离的激励下,通过利用木材响应指标(WRI),从 TLS 和 ULS 点云中检测出语义引导的关键点。利用木材响应指标 (WRI),该指标代表了森林点云不同视图之间可靠的可重复性。森林点云之间可靠的重复性。其次,通过使用WRI滤波器和二进制形状上下文(BSC)描述符匹配生成初始对应集。最后,初始对应集修剪和优化通过一个强大的RANSAC机制,包括几何相容性滤波器,以指导和修剪假设生成过程和修改后的假设评估步骤,以进一步优化变换。原创 2023-08-29 22:40:08 · 170 阅读 · 0 评论 -
《论文阅读18》JoKDNet
International Journal of Applied Earth Observations and Geoinformation原创 2023-08-28 14:34:52 · 1306 阅读 · 0 评论 -
《论文阅读15》A Technical Survey and Evaluation of Traditional Point Cloud Clustering Methods for LiDAR
ICCVW21。原创 2023-08-19 13:25:11 · 78 阅读 · 0 评论 -
《论文阅读14》FAST-LIO
牛津大学、中山大学、国防科技大学。原创 2023-08-16 15:32:20 · 1272 阅读 · 0 评论 -
《论文阅读13》Efficient Urban-scale Point Clouds Segmentationwith BEV Projection
BEV投影是指鸟瞰视角(Bird's Eye View,简称BEV)的一种从上方观看对象或场景的视角,就像鸟在空中俯视地面一样。在自动驾驶和机器人领域,通过传感器(如LiDAR和摄像头)获取的数据通常会被转换成BEV表示,以便更好地进行物体检测、路径规划等。原创 2023-08-07 22:28:14 · 1515 阅读 · 0 评论 -
《论文阅读12》RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds
语义分割原创 2023-08-13 16:20:46 · 922 阅读 · 0 评论 -
《论文阅读11》SQN: Weakly-Supervised SemanticSegmentation of Large-Scale 3D Point Clouds
论文原创 2023-07-16 19:52:07 · 396 阅读 · 0 评论 -
《论文阅读07》Segment Anything in 3D with NeRFs
论文原创 2023-06-25 20:26:44 · 1232 阅读 · 0 评论 -
《论文阅读06》Calib-Anything: Zero-training LiDAR-Camera Extrinsic CalibrationMethod Using SAM
标定原创 2023-06-21 16:16:52 · 668 阅读 · 1 评论