CVPR 2023 | Attention-Based Point Cloud Edge Sampling

最新推荐文章于 2024-09-02 15:51:21 发布
最新推荐文章于 2024-09-02 15:51:21 发布
阅读量1.3k 收藏 6
点赞数
分类专栏： # 计算机视觉/三维重建/OOD论文速递 文章标签： CVPR 2023 点云采样 边缘采样
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qazwsxrx/article/details/132187461
版权
本文介绍了CVPR 2023上的一种新颖点云采样方法，即注意力边缘采样（APES），该方法结合了Canny边缘检测算法和注意力机制，用于点云数据的边缘点选择。APES在点云分类和分割任务上表现出色，尤其在高采样率下，能够有效捕捉形状轮廓。
摘要由CSDN通过智能技术生成

注1:本文系“计算机视觉/三维重建论文速递”系列之一,致力于简洁清晰完整地介绍、解读计算机视觉,特别是三维重建领域最新的顶会/顶刊论文(包括但不限于 CVPR, ICCV, ECCV, NeurIPS等)。本次介绍的论文是:
CVPR 2023 | Attention-Based Point Cloud Edge Sampling

CVPR 2023 | Attention-Based Point Cloud Edge Sampling

在这里插入图片描述

一、背景介绍

点云作为一种重要的数据表示,广泛应用于自动驾驶、增强现实和机器人技术

了解本专栏 订阅专栏 解锁全文 超级会员免费看
R.X. NLOS
关注
专栏目录
订阅专栏
基于视觉的机器人抓取: 论文及代码(Vision-based Robotic Grasping: Papers and Codes)
dsoftware的博客
10-22 2万+
最近总结了基于视觉的机器人抓取的相关论文及代码，同步于github。根据抓取的类别，基于视觉的机器人抓取可以分为两类：2D平面抓取以及6D空间抓取。这个页面总结了近年来涉及到的各种各样的方法，其中大部分都使用了深度学习。总结的中文框架结构如下： 0.综述论文 1. 2D平面抓取 这类方法将抓取，用平面内旋转的矩形框表示； 1.1基于RGB或者RGB-D的方法 采用基于目标检测类的方法，直接得到2D...
CVPR 2023 点云系列 | Point-NN无需训练的非参数、即插即用网络
与君共勉，一起学习
04-06 3346
我们提出了一种用于 3D 点云分析的非参数网络 Point-NN，它由纯不可学习的组件组成：最远点采样 (FPS)、k 最近邻 (k-NN) 和池化操作，具有三角函数.令人惊讶的是，它在各种 3D 任务上表现良好，不需要参数或训练，甚至超过了现有的完全训练模型。如图5所示，在Point-NN的顶部，我们首先替使用一个传统的可学习的分类头替代点存储库（上图A位置），这个轻量级的版本在ModelNet40上就实现了90.3%的分类准确率，只有0.3M的参数。通过标记，可以将视为3D训练集的编码类别知识。
点云边缘提取及可视化
A_L_A_N
08-17 4961
点云素材：bunny.txt #include <pcl/features/normal_3d.h> #include <pcl/features/boundary.h> #include <pcl/visualization/pcl_visualizer.h> void CreateCloudFromTxt(const std::string& file_path, pcl::PointCloud<pc
CVPR2023点云论文（二）：无参数三维点云分析 Point-NN
最新发布
weixin_43899239的博客
09-02 321
Point-NN：仅包括非参数的部分（最远点采样FPS、k邻域k-NN，池化），利用三角函数实现PS:池化又称为下采样，压缩输入的特征无参数不训练的模型性能优于现存的训练模型。
论文阅读之《GAPNet: Graph Attention-based Point Neural Network for Exploiting Local Feature of Point Cloud
chengsilin666的博客
02-21 1195
《GAPNet: Graph Attention-based Point Neural Network for Exploiting Local Feature of Point Cloud》 研究问题 如何更好地提取点云的局部特征 主要想法 采用self-attention和neighboring attention的机制，一方面通过self-attetion来提取输入...
点云采样方法
xzxbc的博客
10-10 406
点云采样方法
点云采样
weixin_45748803的博客
10-23 1846
原文链接 点云采样分类 点云采样的方法有很多种，常见的有均匀采样，几何采样，随机采样，格点采样等。下面介绍一些常见的采样方法。 格点采样 格点采样，就是把三维空间用格点离散化，然后在每个格点里采样一个点。具体方法如下： 创建格点：如中间图所示，计算点云的包围盒，然后把包围盒离散成小格子。格子的长宽高可以用户设定，也可以通过设定包围盒三个方向的格点数来求得。 每个小格子包含了若干个点，取离格...
CVPR2023 Transformer论文合集
AI_Conf的博客
05-19 605
在这里,我们表明,这不是VIST的情况。因此,我们设计了一个新的建筑块,采用一个单独连接有效的FFN层之间的一小部分内存,提高内存效率,同时改善通道通信。为了解决这个问题,我们提出了一个 cascading小组关注模块,结合了整个特征的不同分段,不仅可以节省计算成本,而且可以提高注意的多样性。AI综述（大模型驱动）：本文提出了一种改进的deepvecfont,通过采用Transformers而不是RNNs来处理顺序数据,并设计了向量轮廓的放松表示,显著提高了模型在合成长而复杂轮廓的能力和稳定性。
CVPR 2021最全论文开放下载！附pdf下载链接！
中科院AI算法工程师的博客
06-18 1万+
CVPR 2021最全论文开放，附所有pdf下载链接！
python点云数据处理_关于点云分析（处理）的论文和数据集清单
weixin_39654751的博客
12-19 1363
[CVPR] Relation-Shape Convolutional Neural Network for Point Cloud Analysis. [pytorch] [cls. seg. oth.]????[CVPR] Spherical Fractal Convolutional Neural Networks for Point Cloud Recognition. [cls. seg.][...
（十一：2020.08.28）CVPR 2017 追踪之论文纲要（译）
Jojo论文基地
08-28 3259
CVPR 2017 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
CVPR2023 | 用于多模态3D目标检测的虚拟稀疏卷积（KITTI SOTA）
CV_Autobot的博客
03-21 1850
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【3D目标检测】技术交流群后台回复【3D检测综述】获取最新基于点云/BEV/图像的3D检测综述！最近，通过深度补全将RGB图像和激光雷达数据无缝融合的基于虚拟/pseudo点的3D目标检测受到了极大的关注。然而，从图像生成的虚拟点非常密集，在检测过程中引入了大量的冗余计算，与此同时，深度补全不准确带来的噪声显著...
近三年3D点云顶会论文及源码合集，含2023最新
学姐带你玩AI的博客
10-03 1324
目前2D图像识别技术早已成熟，但2D的图像信息只有XY两个维度，而3D点云能够提供三维世界的信息，因此在自动驾驶、机器人和增强现实等各种领域都得到了广泛的应用。近年来随着深度学习的发展，作为计算机视觉新兴研究热点的3D点云技术也在不断更新迭代，目前在数据获取、处理、分析和应用等方面仍然存在许多挑战。我这次整理了近三年各大顶会中3D点云方向的论文，
CVPR2023 | PillarNeXt：重新思考激光雷达点云中3D目标检测的网络设计
CV_Autobot的博客
05-22 1070
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取今天自动驾驶之心分享3D目标检测的最新进展PillarNeXt，针对pillar、voxel等结构模型做了充分验证，简单的网络也够也能实现较高性能！如果您有相关工作需要分享，请在文末联系我们！作者 | 汽车人编辑 | 自动驾驶之心>>点击进入→自动驾驶之心【3D目标检测】技术交流群原文PillarNeXt: Rethin...
[CVPR 2020] SampleNet: Differentiable Point Cloud Sampling
zhulf0804的博客
10-28 3229
零、概要 论文: SampleNet: Differentiable Point Cloud Sampling tag: CVPR 2020; Sample, Classification, Registration, Reconstruction 代码: https://github.com/itailang/SampleNet 作者: Itai Lang, Asaf Manor, Shai Avidan 机构: Tel Aviv University 笔者整理了一个最近几年150多篇点云的论文列表，欢
CVPR2023 | 点云采样方法新创新，深度学习与传统的结合
3D视觉工坊
10-08 482
作者：PCIPG-Zhb | 来源：3D视觉工坊在公众号「3D视觉工坊」后台，回复「原论文」可获取论文pdf、代码、视频链接。添加微信：dddvisiona，备注：3D点云，拉你入群。文末附行业细分群。1 前言点云作为一种重要的数据表示,广泛应用于自动驾驶、增强现实和机器人技术等领域。由于点云数据量通常很大,对其进行采样以获得一个具有代表性的点集子集是三维计算机视觉中的一个基础和重要的任务。除了...
CVPR 2023 | 即插即用！BRA：新注意力，BiFormer：一种视觉新主干
热门推荐
阿木寺的博客
03-21 1万+
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>【Transformer】微信技术交流群转载自：CVHubTitle: BiFormer: Vision Transformer with Bi-Level Routing Attention Paper: https://arxiv.org/abs/2303.08810Code: https://github...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

R.X. NLOS

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值