论文解读
文章平均质量分 73
pontoon
这个作者很懒,什么都没留下…
展开
-
论文解读:SAMPro3D: Locating SAM Prompts in 3D for Zero-Shot Scene Segmentation
通过这种方式,3D 点充当nature prompt,以对齐从该 3D 点跨不同帧投影的pixel prompt,从而使同一 3D 对象的pixel prompt及其 SAM prediction mask在帧之间表现出一致性。最初在 3D 场景的 2D 帧上生成的prompt无法传播到覆盖其他帧中新出现的object,从而导致整个场景的分割不完整(c)(prompt时采用regular grid prompt,视角变化的话,prompt可能会消失)投影到的prompt可能不是最合适的)原创 2024-08-27 17:29:26 · 353 阅读 · 0 评论 -
论文解读:Segment3D: Learning Fine-Grained Class-Agnostic 3D Segmentation without Manual Labels
首先使用 SAM 自动生成的 2D 掩模来预训练与类别无关的 3D 分割模型,这些掩模被投影到部分 RGB-D 点云。为此,在第二阶段,我们利用预训练模型的高置信度掩模预测作为训练信号,以自监督的方式在全 3D 点云上微调模型。Stage2 预训练预测中选高Score的参与监督,只对mask做loss,不对是否“object”做loss,如果将正确的mask预测为“无效”物体对训练有害(可理解为标签噪声的影响)2D 模型泛化能力和零样本能力强,启发:将 2D 模型的这些特征融入到 3D 模型中。原创 2024-08-27 17:24:53 · 179 阅读 · 0 评论 -
论文解读:SAM3D: Segment Anything in 3D Scenes
2.第一帧点云中的object mask(mask id为m)map到第二帧点云中的object mask(mask id为n),σmn为第二针点云中object mask id为n的点数量,σm为第一帧点云中maskid为m的点数量,σn为第一帧点云中maskid为n的点数量,满足下式则认为高度重叠,可合并成一个mask,其中阈值0.5。之后再将第一帧和第二帧点云调换过来重复上述步骤,将第一帧点云中id为n的mask改为id为m。之后将第二帧点云中id为m的mask改为id为n。原创 2024-08-27 17:20:38 · 279 阅读 · 0 评论 -
何凯明新作ViTDET:目标检测领域,颠覆分层backbone理念
何凯明目标检测新作,颠覆分层Backbone理念。原创 2022-04-27 20:32:00 · 2178 阅读 · 0 评论 -
论文解读:GAN与检测网络多任务/SOD-MTGAN: Small Object Detection via Multi-Task Generative Adversarial Network
1.瓶颈问题:小尺度目标,受限于缺乏足够的目标特征信息,使之很难从背景中区分出来,且小尺度目标一般都是低分辨率、模糊不清的,因此检测性能一般CNN-based目标检测算法都需要使用到下采样操作,导致小尺度目标不仅损失了空间位置信息,且本来很少的目标特征几乎被背景上的特征给淹没了2.本文贡献:提出了一种用于小物体检测的新型统一端到端多任务生成对抗网络(MTGAN),可以与任何现有的检测器结合使用在MTGAN中,生成器网络生成超分辨率图像,并引入多任务判别器网络,以同时区分真实的高分辨率原创 2022-03-07 15:52:32 · 3714 阅读 · 0 评论 -
论文解读:跨模态/多光谱/多模态检测 Cross-Modality Fusion Transformer for Multispectral Object Detection
(可见图像和热成像)右侧的热图像可以在光照不足的情况下捕捉到更清晰的行人轮廓。 此外,热图像还捕捉到被柱子遮挡的行人。在光线充足的白天,视觉图像比热图像具有更多的细节,例如边缘、纹理和颜色。有了这些细节,我们可以很容易地找到隐藏在机动三轮车中的司机,而这在热图像中是很难找到的。1.瓶颈问题:现实世界中环境是不断变化的,比如雨天,雾天,晴天,...原创 2022-03-07 15:44:14 · 11214 阅读 · 8 评论 -
论文解读TransFG: A Transformer Architecture for Fine-grained Recognition
论文解读TransFG: A Transformer Architecture for Fine-grained Recognition问题:Transformer还未应用在图像细分类领域中贡献点:1.vision transformer的输入把图像切分成patch,但是是没有overlap的,文章改成切分patch用overlap(这只能算个trick)2.Part Selection Module通俗讲就是最后一层的输入与vision transformer不同,即把最后一层前.原创 2021-04-09 17:07:03 · 3049 阅读 · 9 评论