论文:
’Point-Voxel CNN for Efficient 3D Deep Learning’
来源:
NeurIPS2019 Spotlight
共同一作:
Zhijian Liu (MIT), Haotian Tang(上海交大)
代码:
https://github.com/mit-han-lab/pvcnn
项目:
https://hanlab.mit.edu/projects/pvcnn/
相关文章 点云深度网络——PointNet PointNet++文章及代码 PointCNN原理+代码讲解 【点云一分钟】SO-Net:用于点云分析的自组织网络
3D深度学习广泛的应用到多个领域,如AR/VR和自动驾驶等,因此受到了越来越多的关注。在这些应用中往往需要很高的实时性。然而,终端设备(如手机和VR头戴设备)受到硬件资源和电池的严格限制。因此,设计高效、快速的三维深度学习模型是非常重要的。这篇文章巧妙地将voxel-based方法和point-based方法结合,新框架同时具备了两种方法的优点。
已有方法的缺陷分析
提出PVConv
实验结果
总结
相关文章 点云深度网络——PointNet PointNet++文章及代码 PointCNN原理+代码讲解 【点云一分钟】SO-Net:用于点云分析的自组织网络
点击“阅读原文”下载论文