PointCloud
文章平均质量分 93
没有B树
有 猫 冰
展开
-
Deep Projective 3D Semantic Segmentation
三维点云的语义分割是许多现实应用中的一个具有挑战性的问题。尽管深度学习已经彻底改变了图像语义分割领域,但迄今为止,它对点云数据的影响有限。最近基于3D深度学习方法(3D-CNNs)的尝试取得了低于预期的结果。这种方法需要对底层点云数据进行体素化,因此降低了空间分辨率并增加了内存消耗。此外,3D CNN在很大程度上受到注释数据集可用性的限制。在本文中,我们提出了一种替代框架,以避免3D-CNNs的限制。我们首先将点云投影到一组合成2D图像上,而不是直接在3D中解决问题。原创 2022-11-09 01:27:05 · 1527 阅读 · 0 评论 -
PointSIFT: A SIFT-like Network Module for 3D Point Cloud Semantic Segmentation
近年来,3D语义理解研究为直接从点云中提取特征提供了新的思路1,2,这就需要对点云进行有效的形状模式描述。受出色的2D形状特征描述子SIFT的启发3,我们设计了一个名为PointSIFT的模块,该模块对不同方向的信息进行编码,并适应形状的比例。具体而言,设计了一个方向编码单元来描述八个关键方向,并通过堆叠多个方向编码单元来实现多尺度表示。PointSIFT模块可以集成到各种基于PointNet的体系结构中,以提高表示能力。大量实验表明,我们基于PointSIFT的框架在标准基准数据集上优于最先进的方法。原创 2022-11-03 02:28:41 · 1041 阅读 · 0 评论