![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Point cloud
mxg007
这个作者很懒,什么都没留下…
展开
-
Efficient Parameter-free Clustering Using First Neighbor Relations
使用第一邻居关系的高效无参数聚类摘要主要的提议是它是第一个聚类方法,采用单个聚类方程的形式,可以指导数据中的发现分组。与大多数现有的聚类算法相比,我们的方法不需要任何超参数,距离阈值和/或指定聚类数量的需要。所提出的算法属于分层聚合方法族。该技术具有非常低的计算开销,易于扩展并适用于大的实际问题。与现有的聚类技术相比,对来自1077到810万个样本的不同域的众所周知的数据集的评估显示出显着的...原创 2019-06-25 14:58:26 · 1886 阅读 · 1 评论 -
Point Cloud Upsampling Network
核心思想是学习每个点的多层次特征,然后利用不同的卷积分支在特征空间的中进行扩充。然后将扩充后的特征进行分解并重建为上采样点云集。我们的网络应用于块状点云上,并且使用了联合的损失函数使得上采样后的点在潜在的曲面上分布一致。我们制定了两个度量标准,分布均匀性和距下层表面的距离偏差。我们网络中输入和输出点的数量并不相同。给定一组点,通过学习训练数据集的几何形状生成一组更密集的点来描述基础几何。输入...原创 2019-07-14 20:06:09 · 1084 阅读 · 0 评论 -
PartNet: A Recursive Part Decomposition Network for Fine-grained and Hierarchical Shape Segmentation
摘要3D形状分割的深度学习方法通常被表述为多类标签问题。现有模型针对固定标签集进行训练,这极大地限制了它们的灵活性和适应性。我们选择自上而下的递归分解,并基于递归神经网络开发第一个用于3D形状的分层分割的深度学习模型。从表示为点云的完整形状开始,我们的模型执行递归二进制分解,其中层次结构中所有节点处的分解网络共享权重。在每个节点处,训练节点分类器以确定类型(邻接或对称)并停止其分解的标准。在...原创 2019-07-11 17:45:27 · 3026 阅读 · 2 评论 -
GeoNet: Deep Geodesic Networks for Point Cloud Analysis
摘要基于表面的几何拓扑信息为对象语义分析和几何建模提供了强有力的线索。但是,这种连接信息在点云中丢失。因此,我们介绍了GeoNet,用于模拟点云潜在的网格曲面特征。为了证明所学习的测地信息表示的适用性,本文进一步提出了一种融合方案,将GeoNet与其他基线或骨干网络(如PU-Net和PointNet ++)结合使用,用于下游点云分析。我们的方法改进了多个代表性任务的最新技术,这些任务是从底层表面...翻译 2019-07-16 10:47:05 · 1041 阅读 · 0 评论