【点云系列】Grid-GCN for Fast and Scalable Point Cloud Learning

最新推荐文章于 2024-05-28 09:33:28 发布
最新推荐文章于 2024-05-28 09:33:28 发布
阅读量546 收藏 3
点赞数 1
分类专栏： 点云类 文章标签： 计算机视觉
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/weixin_43882112/article/details/108468386
版权
Grid-GCN是一种用于点云处理的新型算法，旨在解决PointNet++和DGCNN中采样和近邻查询的时间复杂度问题。通过采用基于体素的快速采样方法（Random Voxel Sampling 和 Coverage-Aware Sampling）和覆盖感知格子查询（CAGQ），以及图卷积（GCA），实现高效点云学习。实验表明，Grid-GCN在保持良好性能的同时，显著提高了运算速度。
摘要由CSDN通过智能技术生成

文章目录

1. 简介

题目：Grid-GCN for Fast and Scalable Point Cloud Learning， CVPR2020
论文：https://xharlie.github.io/papers/GGCN supCamReady.pdf
代码：https://github.com/xharlie/Grid-GCN

2. Motivation

自PointNet++和DGCNN问世以来，基本所有点云处理模型都要使用采样或近邻查询。

  • Sampling
  • Neighbor points querying
    但是呢，上述两种操作的时间复杂度太高，因而这篇文章就是解决这个问题的；

3. 思想

基于voxel的快速采样方法，依赖voxel做近似而快速的Points Querying，其中基础模块 GridConv包括了：

  1. 数据构建：Coverage-aware Grid Query (CAGQ)
  2. 图卷积：Grid Context Aggregation （GCA）
最低0.47元/天 解锁文章
^_^ 晅菲
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
CVPR2020：Grid-GCN用于快速和可扩展的点云学习
吴建明wujianming_110117
07-02 1057
CVPR2020：Grid-GCN用于快速和可扩展的点云学习 Grid-GCN for Fast and Scalable Point Cloud Learning 论文地址： https://openaccess.thecvf.com/content_CVPR_2020/html/Xu_Grid-GCN_for_Fast_and_Scalable_Point_Cloud_Learning_CVPR_2020_paper.html 代码地址：https://github.com/xharlie/Grid-G
《论文阅读》Grid-GCN for Fast and Scalable Point Cloud Learning
未知丶的博客
10-18 1012
留个笔记自用 Grid-GCN for Fast and Scalable Point Cloud Learning 做什么 做了什么 怎么做 总结
探索3D空间的新边界：PointGCN - 点云的图卷积神经网络分类器
最新发布
gitblog_00076的博客
05-28 442
探索3D空间的新边界：PointGCN - 点云的图卷积神经网络分类器 项目地址:https://gitcode.com/maggie0106/Graph-CNN-in-3D-Point-Cloud-Classification 项目介绍 在深度学习领域，3D点云的处理和理解是一个引人入胜且富有挑战性的课题。Graph-CNN-in-3D-Point-Cloud-Classification（Po...
Grid-GCN for Fast and Scalable Point Cloud Learning--CVPR2020--论文笔记
mei1318874404的博客
05-21 1550
论文题目–《基于网格的图卷积网络的快速和可拓展的点云学习》 摘要： 由于点云数据的稀疏性和不规则性，直接利用点的方法非常的流行。在所有的基于点的模型之中，图卷积网络充分利用了数据之间的颗粒度，和数据之间的相互关系而表现出了显著的性能。但是在基于点的网络之中，数据结构的构建花费了大量的时间（例如最远点采样和邻居节点的查询），这些原因都限制了模型的速度和稳定性。在本文之中，提出了一种方法名叫Grid-GCN，用于快速和可拓展的点云学习。Grid-GCN用一个新的数据结构的策略，CAGQ.通过利用这个高效的网格空
【点云识别】Grid-GCN for Fast and Scalable Point Cloud Learning (CVPR 2020)
Orientliu96的博客
03-16 3334
Grid-GCN for Fast and Scalable Point Cloud Learning 本文介绍一篇cvpr2020里面关于点云识别的文章。 论文 目前还没有开源代码 1. 问题 自PointNet++ 和DGCNN问世以后，基本所有的点云处理模型都要使用采样或近邻查询。 Sampling Neighbor points querying 但是，上述两种操作的时间复杂度太高，这...
Grid-GCN:Grid-GCN用于快速和可扩展的点云学习
03-21
用于快速和可扩展的点云学习的Grid-GCN（CVPR2020） 请引用我们： @article{1912.02984, Author = {Qiangeng Xu and Xudong Sun and Cho-Ying Wu and Panqu Wang and Ulrich Neumann}, Title = {Grid-GCN for Fast and Scalable Point Cloud Learning}, Year = {2019}, Eprint = {arXiv:1912.02984}, Howpublished = {Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2020)} } 要求：GGCN由MXNET 1.5.0
ST-GCN基于图卷积的行为识别修改模型文件
10-28
ST-GCN（Spatial Temporal Graph Convolutional Network）是一种基于图卷积网络的行为识别模型，由Yan et al. 在2018年的论文《Spatial-Temporal Graph Convolutional Networks for Skeleton-Based Action ...
Human-Falling-Detect-Tracks:AlphaPose + ST-GCN + SORT
04-14
人体跌倒检测与追踪使用Tiny-YOLO oneclass... 对于动作识别，使用来自跌倒检测数据集（，家庭）的数据，通过AlphaPose提取骨骼姿势，并手动标记每个动作帧，以训练ST-GCN模型。预训练模型Tiny-YOLO oneclass- ， SPPE
2019-STAR-GCN, Stacked and Reconstructed Graph Convolutional Net
08-04
STAR-GCN：Stacked and Reconstructed Graph Convolutional Networks for Recommender Systems STAR-GCN是一种新的图卷积神经网络架构，旨在学习节点表示来提高推荐系统的性能，特别是在冷启动场景下。 STAR-GCN...
Cluster-GCN An Efficient Algorithm for Training Deep and Large Graph...ppt pdf
08-19
Cluster-GCN An Efficient Algorithm for Training Deep and Large Graph Convolutional Networks ppt pdf 资源分享
CVPR 2020——Grid-GCN for Fast and Scalable Point Cloud Learning
Dujing2019的博客
05-08 1328
CVPR 2020——Grid-GCN for Fast and Scalable Point Cloud LearningAbstractIntroduction2. Related WorkMethods3.1. Method Overview3.2. Coverage-Aware Grid Query (CAGQ) Abstract 由于点云数据的稀疏性和不规则性，直接消耗点的方法变得很流行...
PCL点云库GridProjection用法demo
07-21
PCL版本为1.6.0 all in one IDE为 VS2010 本demo实现了GP的用法，压缩包里有点云样本和参考文献，成功实现了点云的三维重建。
【点云处理之论文狂读前沿版8】—— Pointview-GCN: 3D Shape Classification With Multi-View Point Clouds
yuanmiyu6522的博客
05-27 1641
Pointview-GCN: 3D Shape Classification With Multi-View Point Clouds摘要1.引言2.相关工作3.方法3.1. Graph convolution and Selective View Sampling 摘要 绕着物体从多个视点捕获部分点云进行3D shape classification Pointview-GCN具有multi-level的Graph Convolutional Networks (GCNs)，以fine-to-coars
【点云系列】SG-GAN: Adversarial Self-Attention GCN for Point Cloud Topological Parts Generation
weixin_43882112的博客
01-11 1934
文章目录1. 概要2. 动机3. 方法整体框架：OGC块中的BAN模块：SAG块里的attention模块：SAG块里的SAGN模块：4. 实验 1. 概要 发表在TVCG 2021期刊 一句话介绍： 将点云生成 转化为 拓扑表达学习的问题来解决。 2. 动机 特征捕获：使用层次混合模型= Self-attention + Tree Structure 生成器：非监督方式 3. 方法 整体框架： 生成模型包括两个模块：OGC + SAG OGC：2个BAN模块来上采样生成的ZZZ + ϕ\phiϕ函数调整
【点云系列】view-GCN: view-based Graph Convolutional Network for 3D Shape Analysis
weixin_43882112的博客
09-10 1929
文章目录题目Motivation 题目 论文题目：view-GCN: view-based Graph Convolutional Network for 3D Shape Analysis 论文： 代码； Motivation 不同视角下看不同物体可能是不同的。
pointcloud graph
shaoyuwife的博客
11-06 286
Point Cloud Graph Methods name EdgeConv 特征空间中的KNN 通过特征来找knn，然后特征空间中构建graph，多层edgeconv之后，节点的个数不会减少 Local spectral graph convolution for point set feature learning 三维空间中的KNN 基于pointnet。可与poi...
GCN的知识
CaptureItTechnology的博客
07-04 595
https://www.sohu.com/a/234894712_741733
gcn语义分割_ICCV Oral 2019：152层GCN大幅加深图卷积网络的方法，点云分割任务效果显著...
weixin_30800249的博客
01-11 1047
导读：目前常见的图卷积神经网络一般都是3、4层，本文关注的问题是图卷积神经网络GCN/GNN是否也能和一般的卷积神经网络CNN一样加深到50+层而不会有Vanishing Gradient问题，作者提出了ResGCNs，DenseGCNs和Dilated GCN，MRGCN等结构，甚至能训练收敛152层GCN，并在点云分割任务上取得了比较好的效果。李国豪，中国科学院大学硕士，阿卜杜拉国王...
Cluster-GCN：深度与大规模图卷积网络的高效训练策略
"Cluster-GCN: An Efficient Algorithm for Training Deep and Large Graph Convolutional Networks (KDD19)" Cluster-GCN是一种针对深度和大规模图卷积网络训练的高效算法，该研究在KDD19会议上发表。该工作针对...
评论 3
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