【论文推荐】了解《点云补全》必看的6篇论文（附打包下载地址）

最新推荐文章于 2024-04-22 11:19:38 发布
最新推荐文章于 2024-04-22 11:19:38 发布
阅读量1.7k 收藏 19
点赞数 1
文章标签： 人工智能 计算机视觉 深度学习 机器学习 知识图谱
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_48294000/article/details/120124650
版权

论文推荐

“SFFAI122期来自伊利诺伊大学厄巴纳香槟分校计算机系的谢楚琳推荐的文章主要关注于计算机视觉的点云处理领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”

关注文章公众号

回复"SFFAI122"获取本主题精选论文

01

推荐理由：这篇论文（FoldingNet）首次提出用 2D 流形来表示 3D 点云，这也启发了其他人将目标点云建模为 2D 网格的非线性折叠。

02

推荐理由：PCN是第一篇点云补全的文章。基于FoldingNet的折叠（folding）的思路，PCN通过预测2D网格的非线性折叠以生成3D点云。此非线性折叠由MLP来实现。

03

推荐理由：AtlasNet 是基于PCN的思路，以多个2D网格非线性折叠形成的3D参数化表面元素的集合表示完整的点云。

04

推荐理由：这篇论文提出了一种层次树状结构的解码器（TopNet），可以生成结构化的点云。该树状结构的解码器由多层级的MLP实现，比起单个MLP的解码器拥有更强的网络表达能力。

05

推荐理由：这篇论文提出了一种分两个阶段完成点云补全的方法（MSN）。MSN把AtlasNet的非线性折叠生成方法作为第一阶段，预测一个完整但粗粒度的点云，即一组参数化表面元素。然后，在第二阶段，它通过一种新颖的采样算法将粗粒度预测的点云与输入点云合并，生成细粒度的点云。

06

推荐理由：不同于之前基于折叠的点云补全方法直接处理点云数据， 这篇论文引入了 3D 网格作为中间表征来规范无序点云，并提出了一种新的网格化残差网络（GRNet）来做点云补全。

会议内容

会议简介

当前深度相机和 LiDAR 等 3D 扫描设备已经变得无处不在，点云变得更加容易获取，在计算机视觉和机器人领域的引发了研究热潮。然而由于受限于传感器分辨率和遮挡问题，这些设备直接捕获的原始点通常是稀疏和不完整的。因此，必须从局部观察中推断出完整的形状，以促进各种下游任务。本期我们邀请到来自伊利诺伊大学的谢楚琳同学，分析她提出的一种基于样式和对抗性可微分渲染的点云生成器（SpareNet）用于点云补全。

讲者介绍

谢楚琳，伊利诺伊大学厄巴纳香槟分校计算机系博士生，主要研究方向为机器学习、对抗鲁棒性、三维视觉，目前已在 ICML、CVPR、ICLR 等会议上发表论文。

会议题目

用于点云补全的基于样式和对抗性渲染的点云生成器

会议摘要

在本文中，我们提出了一种基于样式和对抗性可微分渲染的点云生成器（SpareNet）用于点云补全。首先，我们提出了基于通道注意力的EdgeConv，以充分利用点云特征的局部结构和全局形状。其次，我们观察到基于折叠（Folding）的点云生成方法中拼接（concatenation）的操作限制了其生成复杂且真实形状的潜力。受到StyleGAN的启发，我们将形状特征视为样式码，在折叠过程中用其调节归一化层，这大大增强了生成器的表达能力。第三，我们意识到现有的点云监督，例如倒角距离（Chamfer Distance ）或推土机距离（Earth Mover's Distance），不能如实地反映重建点云的视觉质量。为了解决这个问题，我们使用可微分渲染器将补全的点云投影到深度图，并应用对抗性训练来提高不同视角下的视觉真实性。ShapeNet和KITTI上的大量实验证明了我们方法的有效性，该方法实现了最先进的量化性能，同时提供了卓越的视觉质量。 

论文标题：Style-based Point Generator with Adversarial Rendering for Point Cloud Completion

论文下载：关注本公众号，对话框回复“SFFAI122”，获取下载

会议亮点

1、我们提出了基于通道注意力的EdgeConv，以充分利用点云特征的局部结构和全局形状；

2、我们将形状特征视为在折叠过程中调节归一化层的样式码；

3、我们提出使用可微分渲染器将补全的点云投影到深度图，并应用对抗性训练来提高不同视角下的视觉真实性；

4、我们实现 SOTA 定量性能，同时提供卓越的视觉质量。

直播时间

2021年9月12日（周日）20:00—21:00 线上直播

关注本公众号，对话框回复“SFFAI122”，获取入群二维码

注：直播地址会分享在交流群内

SFFAI招募！

现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。

SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest，通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献，欢迎大家关注SFFAI论坛：https://bbs.sffai.com。

论文推荐

更多论文推荐历史文章

请点击文章底部“阅读原文”查看

分享、点赞、在看，给个三连击呗！

人工智能前沿讲习
关注
  • 1
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pytorch代码补全.zip
12-10
解决Pytorch在IDE中无法自动补全的问题 找到torch包的位置 将该文件复制进去 就可以自动补全 torch的相关代码了
点云补全综述 Comprehensive Review of Deep Learning-Based 3D Point Clouds Completion Processing and Analys
热门推荐
weixin_42155685的博客
08-22 1万+
点云补全是由部分点云衍生而来的一个生成和估计问题，在三维计算机视觉的应用中起着至关重要的作用。深度学习(DL)的发展令人印象深刻地提高了点云完成的能力和鲁棒性。但是，已完成的点云的质量仍需进一步提高，以满足实际利用。因此，本工作旨在对各种方法进行全面的调查，包括基于点、基于卷积、基于图和基于生成模型的方法等。本调查总结了这些方法之间的比较，以激发进一步的研究见解。此外，本文综述了常用的数据集，并说明了点云补全的应用。最后，我们还讨论了在这一迅速扩大的领域中可能出现的研究趋势。
必读！三维点云24篇精选论文
soaring_casia的专栏
11-09 988
三维点云是最重要的三维数据表达方式之一，SLAM、三维重建、机器人感知等多个领域，点云都是最简单、最普通的表达方式。三维点云处理在学习中需要参考大量的论文资料文献，但在众多的论文中，有哪些论文是必读的呢？，并根据三维点云应用的不同方向分类，希能为大家提供一定的帮助。课程上，黎嘉信老师为我们推荐了很多必读的论文，助教管郡智结合老师推荐的论文，为我们整理了。
[上海科技大学论文]相机定位增强实现视觉LiDAR点云对齐（Camera Poses Augmentation with Large-scale LiDAR Maps）论文记录【适用大规模点云重建】
qq_45912037的博客
03-29 456
上海科技大学论文——相机定位增强实现视觉LiDAR点云对齐。原文题目：CP+: Camera Poses Augmentation with Large-scale LiDAR Maps大规模彩色点云在导航或者场景显示方面有许多的优点。我们现在依靠广泛用于重建任务的相机和激光雷达就可以获得这样的彩色点云。然而在许多现有的框架中这两种传感器的信息没有很好的融合进而导致着色效果差、相机姿态不准确、点着色结果受损。文章为解决这一对齐问题提出了一种名为。
干货！SpareNet：基于样式和对抗性渲染的点云补全
AITIME_HY的博客
12-24 2321
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！在本文中，我们提出了一种基于样式和对抗性可微分渲染的点云生成器(SpareNet) 用于点云补全。首先，我们提出了基于通道注意力的...
【论文推荐】了解《三维点云补全》必看的6篇论文（附打包下载地址）
weixin_48294000的博客
07-12 1408
论文推荐“SFFAI114期来自南洋理工大学的潘亮推荐的文章主要关注于计算机视觉的点云处理领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”关注文章公众号回复"SFF...
PCN(Point Completion Network)论文阅读笔记（点云补全相关）
lyp82nlf666的博客
01-09 2203
PCN论文阅读（点云补全）
激光雷达点云数据内部空点补全
周吴郑王
03-29 9042
欢迎访问我的个人博客：zengzeyu.com   前言 点云数据区别于图像数据，不管是二维图像还是三维图像，图像数据都充满整个区域，二维图像中每个像素点都有值，灰度值、RGB值等；三维图像中有体数据（Voxel），根据光线投影算法等，可计算出每个体数据对应值，从而显示于显示器中。点云数据由于其扫描生成数据过程的特性，就决定了其在数据方面与图像数据不同，以机械式激光雷达为例，当出现以下情...
CVPR2020 3D点云相关论文思想和方法总结
小执着的博客
06-17 7868
CVPR2020 3D点云相关论文整理3D目标检测1. A Hierarchical Graph Network for 3D Object Detection on Point Clouds1.1 创新1.2 实现细节1.3 实验结果3D点云分析（分类、分割）3D点云上采样1. Cascaded Refinement Network for Point Cloud Completion1.1 创新1.2 实现细节1.3 实验结果 3D目标检测 1. A Hierarchical Graph Network
EMD的matlab代码分享-MSN-Point-Cloud-Completion:用于密集点云完成的变形和采样网络(AAAI2020)
06-12
EMD的matlab代码分享MSN：用于密集点云完成的变形和采样网络 MSN是一种基于学习的形状补全方法，可以保留已知结构并生成密集且分布均匀的点云。 有关更多详细信息，请参阅我们的 AAAI 2020。 在这个项目中，我们还提供了点云的地球移动距离（EMD）的实现，它基于拍卖算法，只需要 $O(n)$ 内存。 完成后获得 32,768 分 用法 1) 环境和先决条件 pytorch 1.2.0 CUDA 10.0 Python 3.7 2) 编译 编译我们的扩展模块： cd emd python3 setup.py install cd expansion_penalty python3 setup.py install cd MDS python3 setup.py install 3) 下载数据和训练好的模型 从 下载数据和训练模型。 由于规模较大，我们不提供训练集的部分点云。 如果要训练模型，可以使用 和 生成它们。 我们为每个 CAD 模型生成 50 个局部点云。 4) 训练或验证 运行python3 val.py来验证模型或python3 train.py从头训练模型。 E
第5节：点云补全PF-Net论文解读.zip
10-11
第5节：点云补全PF-Net论文解读.zip
PF-Net的源代码运行使用的残缺点云补全数据集
11-15
内容概要：为《PF-Net: Point Fractal Network for 3D Point Cloud Completion》改论文源代码使用的残缺点云数据集。论文答辩PPT可参考：https://blog.csdn.net/weixin_43042683/article/details/122746548里面包括...
论文复现-深度补全算法
03-10
1、传统深度不全算法复现 2、详细内容可见：https://blog.csdn.net/qq_43627520/article/details/123344654?spm=1001.2014.3001.5502 3、复现代码可直接运行、包含有测试用例、以及验证代码
Google大数据必看三篇论文中文版
04-02
Google大数据必看三篇论文中文版，内含Google-Bigtable中文版_1.0.pdf、Google-File-System中文版_1.0.pdf、Google-MapReduce中文版_1.0.pdf，学大数据必看的三篇谷歌论文中文版，需要的朋友点击下载
Python大作业（包含论文）——可打包的双人五子棋程序
06-13
本文所做的主要工作是采用Python语言编写写一个...这项工作主要包括两个部分：一是编写出能够顺利进行五子棋游戏的Python源代码，二是将Python源代码打包成以.exe为扩展名的可执行文件，以确保不受计算机环境所限制。
我用AI帮我画刘亦菲写真，绘画写真某一天是否可以取代照相馆？
一个专注于技术研究创新的程序员
04-18 1674
最近我试了用FaceChain人物写真生成来测试帮我绘图，为了不翻车，我在网上随便找了刘亦菲的日常照片10多张左右作为训练原图。我用AI帮我画刘亦菲写真，绘画写真某一天是否可以取代照相馆？
diffusion model 简单demo
岁月如歌
04-17 697
【代码】diffusion model 简单demo。
ai智能名片生成器源码系统 一键生成数字名片 打造定制化的商务社交平台
最新发布
duizhangdaren的博客
04-22 472
在数字化时代，商务交流方式正在发生深刻变革。分享一个ai雷达智能名片生成器源码系统，源码开源可二开，含完整代码包和详细的安装部署搭建教程，让技术小白也能轻松上手，让您一键生成数字名片，打造定制化的商务社交平台。比如：多少人阅读了我们的朋友圈文章，多少人转发了我们文章，访问者在文章停留了多久，甚至具体什么人访问了我们的文章等。比如有多少人访问了名片，什么人访问了名片，访问了多久，第几次访问等等。2. 现有客户留存，人工智能名片系统能帮你发现什么客户很久没有关注你的名片了，那么就可以及时做出客户的留存了。
5 CatBoost模型
qq_28611929的博客
04-19 978
catboost模型介绍
Sparse Single Sweep LiDAR Point Cloud Segmentation via Learning Contextual Shape Priors from Scene Completion 在点云补全上做了什么
05-24
这篇论文主要提出了一种基于场景补全的点云分割方法。该方法通过学习场景的上下文形状先验知识，对稀疏单次扫描激光雷达点云进行分割。 具体来说，该方法首先将点云转换为体素网格表示，然后使用场景补全技术来填补...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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