(ICCV 2021) Hierarchical Aggregation for 3D Instance Segmentation

已于 2022-11-02 22:06:39 修改
阅读量870 收藏 4
点赞数 1
分类专栏： 3D实例分割 文章标签： 3d 人工智能 实例分割 点云
于 2022-08-17 17:53:45 首次发布
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/qq_25763027/article/details/126391323
版权

Abstract

点云上的实例分割是3D场景感知中的一项基本任务。在这项工作中，我们提出了一个简洁的基于聚类的框架HAIS，它充分利用了点和点集的空间关系。考虑到基于聚类的方法可能导致过度分割或分割不足，我们引入层次聚合来逐步生成实例proposals，即用于初步聚类点到集合的点聚合和用于从集合生成完整实例的集合聚合。一旦获得完整的3D实例，就采用实例内预测的子网络进行噪声点过滤和掩码质量评分。HAIS速度快（Titan X上每帧仅410ms），不需要非极大值抑制。它在ScanNet v2 benchmark中排名第一（http://kaldir.vc.in.tum.de/scannet_benchmark/semantic_instance_3d），达到最高的69.9% A P 50 A P_{50} AP

了解本专栏 订阅专栏 解锁全文 超级会员免费看
fish小余儿
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
3D Instance Segmentation via Multi-Task Metric Learning
11-11 659
我们提出了一种新方法，用于密集 3D 体素网格的实例标签分割。我们的目标是使用深度传感器或多视图立体方法获取的体积场景表示，并使用语义 3D 重建或场景完成方法进行处理。主要任务是学习有关单个对象实例的形状信息，以便准确地分离它们，包括连接的和不完全扫描的对象。我们使用多任务学习策略解决了 3D 实例标记问题。第一个目标是学习一个抽象特征嵌入，它将具有相同实例标签的体素彼此靠近，同时将具有不同实例标签的集群彼此分开。第二个目标是通过密集估计每个体素的实例质心的方向信息来学习实例信息。
ICCV2021最新论文合集下载
01-18
Generative Compositional Augmentations for Scene Graph Prediction Seasonal Contrast Unsupervised Pre-Training from Uncurated Remote Sensing Data On the hidden treasure of dialog in video question ...
论文阅读《Hierarchical Aggregation for 3D Instance Segmentation》
Mrjdk的博客
12-07 1033
Hierarchical Aggregation for 3D Instance Segmentation是一个用于实例分割的方法，他主要利用了点以及点集之间的空间关系，以此进行实例分割。
Anaconda安装和使用详细教程
weixin_43717516的博客
03-06 588
1.安装anaconda3 将安装包 “Anaconda3-2020.02-Linux-x86_64” 复制到Ubuntu的Downloads文件夹中，在Downloads文件中单击鼠标右键“在终端打开” 在终端中执行以下命令： bash Anaconda3-2020.02-Linux-x86_64.sh 根据提示完成Anaconda3的安装 输入“yes”接受许可 按回车键确定默认安装路径 安装完成 重启一个终端，输入conda -V，查看是否安装成功 若出现上图情况，需要手动添加PATH环境
【三维目标检测】FCAF3D（一）
叶子的博客
12-14 4351
FCAF3D模型的整体结构如下图所示。该模型属于anchor-free目标检测算法。FCAF3D主干网络采用的是典型的ResNet34 FPN结构。该结构采用了三维稀疏卷积进行计算，计算过程中得到的非稀疏点作为Head预测的种子点。FPN层实现了四种不同特征尺度下的预测，各种尺度下的特征维度分别为64、128、256和512。
弘辽科技：你的产品到底是适合搜索流量还是推荐流量
hongliao1718的博客
12-16 269
众所周知，目前淘内最大的两块免费流量：搜索流量、推荐流量，发现几乎所有的商家都有一个痛点，就是什么流量都想要，这里甚至包括很多大商家。 有些商家测款之后看到数据OK，就开始推广；有些商家希望先把搜索做起来，开始直通车关键词拉搜索流量。有的商家偏爱首页流量，就开始用定向去推广期待首页流量有一个大的爆发。但是这里有一个问题，什么样的产品适合首页流量，什么样的产品适合搜索流量？ 所以这篇文章我们今天就来聊聊你的产品到底适合运营什么样的流量，这样当你测完款之后就会在运营方向上是明确的。第二点是数据PK，我在..
《论文阅读》PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation
未知丶的博客
11-03 2120
留个笔记自用 PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation 做什么 做了什么 怎么做 总结
Point Transformer 翻译笔记
Torres9_1125的博客
06-15 1198
自我注意网络已经彻底改变了自然语言处理，并在图像分类和目标检测等图像分析任务中取得了令人瞩目的进步。受此启发，我们研究了自我注意网络在三维点云处理中的应用。我们为点云设计了自我注意层，并利用这些层构建了用于语义场景分割、对象部分分割和对象分类等任务的自我注意网络。我们的点转换器设计改进了先前跨域和任务的工作。例如，在用于大规模语义场景分割的具有挑战性的S3DIS数据集上，点变换器在区域5上达到70.4%的mIoU，比最强的先验模型高出3.3个绝对百分比，并首次超过70%的mIoU阈值。...
【深度学习网络复现总结】
TravleGun的博客
05-25 517
今天在电脑上成功编译安装了Spconv1.x，所以记录一下。电脑配置：RTX 2080tiCUDA10.0cudnn7.6.5pytorch1.0python3.7gcc5.4.0Ubuntu20.0Spconv1.x的版本不如2.x的好用，现在的最新Spconv版本可以直接使用命令行进行安装，比之前版本方便很多。看网上说的Spconv1.x版本对CUDA、cudnn、gcc、g++等版本要求比较高，如果不兼容的话很难编译上。
【论文阅读】【三维场景点云分割】SoftGroup for 3D Instance Segmentation on Point Clouds
Grey_OnO的博客
09-17 264
通过进行自下而上的软分类和自上而下的细化来实现三维点云分割：允许每个点与多个类关联，以减轻语义预测错误带来的问题。
(CVPR 2020) PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation
08-26 1228
实例分割是场景理解的一项重要任务。与完全开发的2D相比，点云的3D实例分割还有很大的改进空间。在本文中，我们介绍了PointGroup，这是一种新的端到端自下而上的架构，特别专注于通过探索目标之间的空隙空间来更好地对点进行分组。我们设计了一个双分支网络来提取点特征并预测语义标签和偏移量，以将每个点移向其各自的实例质心。遵循聚类组件以利用原始点坐标集和偏移偏移点坐标集，利用它们的互补优势。此外，我们制定了ScoreNet来评估候选实例，然后使用非最大抑制(NMS)来删除重复项。...
ICCV2021
03-16
ICCV2021 论文代码“使用元学习主管ANN来对CNN进行正面面部表情识别的不确定性进行区分：遮挡和化妆的情况” 文件清单： 重新训练SOTA CNN模型和训练SNN的程序文件：Inception3DetailBC2Eemsr.m AlexNetDetailBC2...
ICCV 2021 广义源无关领域自适应
最新发布
01-25
近年来，计算机视觉领域的研究一直在不断推进，为了更好地解决领域自适应的问题，ICCV 2021发表了一篇名为《Generalized Source-free Domain Adaptation》的论文。该论文采用了基于PyTorch 1.3和CUDA 10.0的代码，...
ICCV2021_Submission7567:该项目包括ICCV2021 Submission7567的源代码
04-06
ICCV2021_Submission7567 该项目包括ICCV2021 Submission7567的源代码。1）先决条件Python3 CUDA 火炬的open3d-python 该代码是使用Pytorch 1.7.1和CUDA 10.2构建的，并在带有Python 3.6的Ubuntu 18.04上进行了测试...
2019 CVPR_ICCV_CSCV_ 3D Human Pose Estimation PAPER
10-06
文档总结了2019年 所有顶会 的 3D Human Pose Estimation 论文
创建pycharm 虚拟环境
me211yjs的博客
02-25 396
Installation 1) Environment Python 3.x Pytorch 1.1 or higher CUDA 9.2 or higher gcc-5.4 or higher Create a conda virtual environment and activate it. conda create -n hais python=3.7 conda activate hais 2) Clone the repository. git clone https://
8051汇编语言编写一个按键加一的程序
weixin_45601654的博客
02-05 2329
汇编语言中分号；为注释 代码如下（示例）： ORG 0000h ;伪指令将该段代码存放在0000h开始 AJMP HA1S ; 跳转到HAIS ORG 0030H ;伪指令将该段代码从0030h开始存放（不同单片机的需要保留的作为固定入口的低端地址不同） HA1S: MOV A,#00H ;将00h放入累加器A中，将累加器A清零 HA1S1: JB P3.3,HA1S1 ;判P3.3是否为高电平，不为高向下执行 MOV R2,#20H ;将20h
一种基于分层聚合的3D实例分割方法（ICCV 2021)
3D视觉工坊
02-08 545
Hierarchical Aggregation for 3D Instance Segmentation (ICCV 2021)代码地址：https://github.com/hustv...
【文献翻译CVPR2022】SoftGroup for 3D Instance Segmentation on Point Clouds
qq_41961172的博客
04-05 2938
摘要 现有的3D实例分割方法先进行语义分割，然后进行分组，在进行语义分割时进行硬预测，使得每个点都与一个单一类相关联。然而，来自硬判决的误差传播到分组中，从而导致(1)预测实例与地面真实之间的低重叠(2)大量的假阳性。针对上述问题，本文提出了一种自下而上软分组、自上而下细化的3D实例分割方法--SoftGroup。SoftGroup允许每个点与多个类别相关联，以缓解由于语义预测错误而产生的问题，并通过学习将它们归类为背景来抑制假阳性实例。在不同数据集和多种评价指标上的实验结果证明了Soft...
iccv7 for avr
12-20
ICCV7是一款用于AVR微控制器的集成开发环境。AVR是一个由Atmel公司推出的一系列低功耗、低成本的RISC微控制器，被广泛应用于嵌入式系统和物联网设备中。 ICCV7为AVR微控制器提供了丰富的开发工具和资源，包括编译器...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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

fish小余儿

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