Transformer在点云上的应用

最新推荐文章于 2024-05-24 15:38:29 发布
最新推荐文章于 2024-05-24 15:38:29 发布
阅读量1.9k 收藏 7
点赞数 2
分类专栏： 点云论文阅读 文章标签： 点云分割
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/u011507206/article/details/111654662
版权

快速浏览了这两篇文章，方法都比较简单，一些思想都在前面的工作中或多或少都出现过。值不值的读，能不能中不好说。第二篇文章的方法还是很涨点的。

1 PCT: Point Cloud Transformer

2 Point Transformer

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

疯子_Zhang
关注
  • 2
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
最新 | 2023中科院3D点云 Transformer ！
3D视觉工坊
09-18 443
作者：HT | 来源：3D视觉工坊在公众号「3D视觉工坊」后台，回复「原论文」即可获取论文pdf。添加微信：dddvisiona，备注：3D点云，拉你入群。文末附行业细分群。一、笔者个人体会文章的主要动机是解决点云数据处理中的挑战性问题。点云数据具有复杂的非欧几里德结构，包含了全局和局部的几何信息，而现有的方法在提取点云的复杂几何结构以进行分类任务时存在局限。因此，作者的动机是提出一种新的方法，...
清华团队将Transformer用到3D点云分割上后，效果好极了丨开源
量子位
12-19 1654
萧箫 发自 凹非寺 量子位 报道 | 公众号 QbitAI当Transformer遇上3D点云，效果会怎么样？一个是当下最热门的模型（NLP、图像领域表现都不错），另一个是自动驾驶领域、...
【点云系列】Pyramid Point Cloud Transformer for Large-Scale Place Recognition
weixin_43882112的博客
11-20 2139
文章目录1. 简介2. 动机3. 方法整体框架：图嵌入模块：Transformer模块：金字塔VLAD门限机制4. 实验检索效果比对参数总量列表：消融实验：5. 参考 1. 简介 ICCV 2021 论文：https://openaccess.thecvf.com/content/ICCV2021/papers/Hui_Pyramid_Point_Cloud_Transformer_for_Large-Scale_Place_Recognition_ICCV_2021_paper.pdf 代码： https
Transformer在3D点云中的应用综述（检测/跟踪/分割/降噪/补全）
abcwsp的博客
10-20 3569
Transformer 一直是自然语言处理 (NLP) 和计算机视觉 (CV) 的核心。NLP 和 CV 的巨大成功激发了研究者对 Transformer 在点云处理中的使用的探索。但是，Transformer如何应对点云的不规则性和无序性？Transformer 对不同的 3D 表示（例如点云或体素）的适用性如何？Transformer 对各种 3D 处理任务的能力如何？到目前为止，还没有对这些问题的研究进行系统的调查。论文全面概述了用于 3D 点云分析的 Transformer算法。
PCT: Point Cloud Transformer
myl1992的专栏
06-27 3663
PCT是基于Transformer的，它在自然语言处理方面取得了巨大的成功，在图像处理方面显示出巨大的潜力。它在处理点序列时具有固有的置换不变性，因此非常适合点云学习。为了更好地捕获点云中的局部上下文，我们通过支持最远点采样和最近邻搜索来增强输入嵌入。......
基于深度学习方法的点云算法4——PCT: Point Cloud Transformer（点云分类分割）
zhazhaqiangdedad的博客
06-12 3914
不规则域和缺乏有序性使得设计用于点云处理的深层神经网络具有挑战性。提出了一种新的点云学习框架Point Cloud Transformer（PCT）。Transformer在自然语言处理方面取得了巨大的成功，在图像处理方面显示出巨大的潜力。它在处理点序列时具有固有的置换不变性，因此非常适合点云学习。为了更好地捕获点云中的局部上下文，我们通过最远点采样（ farthest point sampling）和最近邻搜索（nearest neighbor search）来增强输入嵌入。大量实验表明，PCT在形状分类
点云检测之Point Transformer
最新发布
Blabala的博客
05-24 1633
Point Transformer这篇论文与上一篇清华大学团队发表的之间仅相隔一天 ，较早些时候德国也有一个团队也发表了一篇同名的论文。从这几篇论文开始可以算作Transformer正式入驻3D物体检测领域。
【论文阅读】【点云处理】Transformer在点云上的应用
麒麒哈尔的博客
03-26 3530
文章目录PCT: Point Cloud Transformernaive PCTOffset-AttentionNeighbor Embedding for Augmented Local Feature RepresentationExperimentPoint TransformerAttention ModulenetworkExperiment Transformer在点云上的应用的研究处于起步阶段。 Transformer的入门可以看我另外一篇博客：从零入门Transformer。 PCT: P
transformer 3d点云目标检测
12-24
传统的目标检测方法通常是基于2D图像进行处理，而Transformer 3D点云目标检测则能够直接在三维点云数据上进行目标检测，更加适用于现实世界中的物体识别和场景理解。 Transformer 3D点云目标检测的工作原理是将3D...
【论文笔记】PCT: Point Cloud Transformer
qq_40476957的博客
06-09 1656
这是清华大学在2021年3月上传的关于将transformer应用在点云上的一篇论文。与其同期的还有两篇相似论文。 本篇论文作者认为transformer本身具有很好的顺序不变性，而且在二维视觉任务上表现出了很好的效果，理论上可以代替卷积操作，因此transformer能够很好的应用在点云数据上。 一、PCT的初始版本 相比于文本信息，点云特征中包含了位置特征，因此可以省略位置信息的插入。 对于一个点云P：N×D，N代表点的个数，D代表特征维数。首先经过一个Input Embedding模块，是由两层共享
Transformers in 3D Point Clouds A Survey（翻译）
controlourself的博客
08-16 1867
2022年三维点云最新综述 针对transformer在三维点云中的应用总结
Point Transformer
weixin_37592611的博客
12-12 3309
Point Transformer Nico Engel, Vasileios Belagiannis, and Klaus Dietmayer Institute of Measurement, Control and Microtechnology Ulm University, 89081 Ulm, Germany Contributions PointNet Problems: ​ problems arise with set pooling when the reduced feature ve
点云深度学习系列博客(六): Point Transformer方法概述
02-10 6525
基于注意力机制的深度学习模型在起初设计时，针对的是NLP问题。包括词元分析，翻译等语言处理任务，注意力机制能够训练超大规模数据，并建立学习模型，获得显著的性能提升。鉴于注意力机制在NLP任务中的空前成功，视觉领域也尝试引入注意力机制，著名工作包括VIT [1] 和Swin Transformer [2]。对于点云数据处理，一些基于Transformer模型 [3][4] 的工作也被提出。本文以文献 [3] 为基础，概述在点云数据处理任务中引入Point Transformer的具体思路。
点云检测之PCT: Point Cloud Transformer
Blabala的博客
05-22 1518
近些年在NLP领域Transformer越来越火，在CV领域也有人尝试将Transformer应用于图像视觉任务，相较于流行的卷积神经网络具有更好的性能，典型的如目标检测领域的DETR等。Transformer论文逐段精读【论文精读】DETR 论文精读【论文精读】受到Transformer在视觉和NLP任务中成功的启发，这篇论文提出了一种基于Transformer用于点云学习的框架PCT。
「论文阅读」PCT：Point Cloud Transformer
小麋鹿跑了的博客
02-13 4713
目录 PCT的点云处理 编码器（Encoder）： 物体分类 语义分割 法线估计 Naive PCT SPCT 全PCT 受Transformer在视觉和nlp任务方面的成功启发，我们基于传统Transformer的原理，提出了一个用于点云学习的新框架PCT。PCT的核心思想是利用Transformer固有的顺序不变性，避免了点云数据顺序的定义，并通过注意机制进行特征学习。 该文章提出的PCT可以处理的任务有物体分类、语义分割和法线估计。 针对点云处理任务，PCT做出的主要调整如下：
【文献翻译】PCT：Point Cloud Transformer
大秦帝国
06-10 440
point cloud transformer
[论文阅读]PCT: Point cloud transformer
价值知识传播者
01-18 443
这篇论文介绍了一种名为“点云Transformer”（Point Cloud Transformer，PCT）的新型框架，用于点云学习。中间：SG模块，其中Nin是输入点数，din是输入通道数，k是邻居数，Nout是输出采样点数，dout是输出通道数。张量上方的数字是维度N和特征通道数D/Da，开关显示了Self-Attention或Offset-Attention的替代方案：虚线表示Self-Attention分支。前三列：不同查询点的逐点注意力图（由指示），黄色到蓝色表示逐渐增加的注意力权重。
《论文阅读》PCT: Point Cloud Transformer
未知丶的博客
02-19 4379
留个笔记自用 PCT: Point Cloud Transformer 做什么 点云的概念：点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合，在获取物体表面每个采样点的空间坐标后，得到的是点的集合，称之为“点云”（Point Cloud）。 点包含了丰富的信息，包括三维坐标X，Y，Z、颜色、分类值、强度值、时间等等，不一一列举。 一般的3D点云都是使用深度传感器扫描得到的，可以简单理解为相比2维点，点云是3D的采样 做了什么 跟另外一篇Point transformer的说法非常相似，将
GNN+Transformer用在点云上吗
07-27
回答: 是的，GNN+Transformer可以应用在点云数据上。最近几年，Transformer在NLP、CV等领域取得了很大的成功，而GNN（图神经网络）在处理图数据方面也表现出了很强的能力。有一篇文章利用了Transformer能够处理无序...
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
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