标签

 点云 

相关的文章:

点云分析与应用研究综述,包括旋转不变点云分析的通用框架、点云清洗、平面检测和语义分割的框架、动态原型适应的小样本点云分割等内容。

BriefGPT - AI 论文速递 -

基于梯度的目标定位方式实现可解释的激光雷达点云语义分割

本论文介绍了一种名为 pGS-CAM 的基于梯度的新方法,用于在神经网络激活层生成显著性图,该方法在解释点云语义分割预测方面具有鲁棒性和效果,并能够更好地理解模型的预测方式并确定潜在的改进方向。

本文提出了一种基于GNN的方法,利用语义和局部几何形状来指导点云注册候选项的识别。通过识别语义实例关系,减少了点云注册的计算负担。通过连接候选节点和利用跨图的关注机制,计算置信度得分,估计点云扫描之间的位移。在KITTI测距数据集上测试,实现了竞争性的准确度和更高的轨迹平滑度,同时依赖更少的网络参数。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

PointMamba:一种用于点云分析的简单状态空间模型

基于状态空间模型 (SSM) 成功在 NLP 任务中进行序列建模的启发,我们提出了具有全局建模和线性复杂度的 PointMamba 框架,通过重新排序策略提供更合理的几何扫描顺序来增强 SSM 的全局建模能力,实验证明我们的 PointMamba 在不同的点云分析数据集上胜过基于 transformer 的对应模型,同时节省了约 44.3% 的参数和 25% 的 FLOPs,展示了构建基础 3D 视觉模型的潜在选择,并为点云分析提供了新的视角。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

基于 CUDA 的稀疏卷积在 GPU 上的三维点云优化

近年来,深度学习方法的利用显著增加,尤其是卷积神经网络(CNNs),已成为涉及结构化网格数据的各个领域,如图片分析和处理中的主要方法。然而,在许多领域中,激光雷达和 3D 传感器的指数增长导致了对 3D 点云分析的增加需求。与照片不同,点云呈现稀疏性且缺乏规则网格,因此存在着不同的处理和计算问题,这对于包括物体识别在内的各种应用非常关键。

近年来,深度学习方法的利用显著增加,尤其是卷积神经网络(CNNs),已成为涉及结构化网格数据的各个领域的主要方法。激光雷达和3D传感器的指数增长导致了对3D点云分析的增加需求。点云呈现稀疏性且缺乏规则网格,因此存在着不同的处理和计算问题,对于物体识别等应用非常关键。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

利用 MLS 点云和词袋模型方法重建立面细节

我们提出了一种新的方法,通过结合 MLS 点云和预定义的 3D 模型库,使用 BoW 概念并增加半全局特征,来重建三维外立面细节。我们在带有随机噪声的模型和 TUM-FAÇADE 数据集上进行了实验,结果表明我们的方法能够改善传统的 BoW 方法,具有用于更真实的外立面重建的潜力,而无需矩形假设,可用于应用如测试自动驾驶功能或估计立面的太阳能潜力。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

MLS2LoD3: 用 MLS 点云精细化重建语义 LoD3 建筑模型

通过利用低细节级别建筑模型和 MLS 点云的准确性,我们介绍了一种新颖的细化策略,实现了 LoD3 建模的重构,该策略承诺能实现规模化的 LoD3 重构,并将其应用于多个领域。此外,我们还提供了重构 LoD3 立面元素并将其嵌入 CityGML 标准模型的指南,将所得知识传播给学术界和专业人士。我们相信,我们的方法能够促进 LoD3 重构算法的发展,并进一步推动其广泛应用。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

旋转不变点云分析的通用框架

我们提出了一种基于深度学习的点云分析通用方法,对输入具有旋转不变性。通过将其作为置换不变问题进行公式化,并提出了一个通用框架,可与任何骨干网络结合使用,我们的方法在常见基准测试中相较于最先进的方法表现出显著或更好的性能,对于 3D 预训练和多模态学习等进一步研究非常有益。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

构建点云清洗、平面检测和语义分割的框架

提出了一个用于建筑模型的框架,针对点云清理、平面检测和语义分割等挑战进行处理,通过自适应阈值技术来清除异常值,并采用稳健的 RANSAC 算法进行平面检测和基于 PointNet 架构的深度学习方法进行建筑物的语义分割,结果表明该框架在建筑模型任务中具有高效和准确性,为建筑模型领域的提高准确性和效率铺平了道路。

该文章提出了一个用于建筑模型的框架,通过处理点云清理、平面检测和语义分割等挑战,提高了建筑模型任务的准确性和效率。该框架使用自适应阈值技术清除异常值,采用稳健的 RANSAC 算法进行平面检测,并使用基于 PointNet 架构的深度学习方法进行建筑物的语义分割。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

LiDAR-PTQ: 点云三维物体检测的后训练量化

3D 激光雷达检测器的部署面临着计算能力和内存受限的重要挑战,文章提出了一种名为 LiDAR-PTQ 的有效后训练量化方法,包括稀疏度校准、任务引导的全局正损失以及自适应最近邻舍入操作等主要组成部分,通过广泛实验验证了其在激光雷达检测任务中取得的优异量化性能。

本文介绍了一种基于梯度的后训练量化方法(GPTQ),用于深度神经网络的高效部署。该方法在选择权重、特征增强、校准集等方面具有鲁棒性,并提出了设计更高效、可扩展的GPTQ方法的准则。同时,还提出了一种基于重要性的混合精度技术,共同促进了GPTQ方法和网络的性能改进。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

用蒸馏进行动态原型适应的小样本点云分割

通过动态原型适应方法解决了少样本点云分割中的物体变异问题,并且在两个常用数据集上显著超越了最先进方法。

该文章介绍了基于smoothness-based methods的DAT模型,通过对抗性策略在点级和区域级上实施局部和结构光滑约束,利用未标记的3D点并在大规模数据集上取得显著性能提升,实现了无监督点云分割的新的最先进性能。

相关推荐 去reddit讨论

热榜 Top10

...
天勤数据
...
eolink
...
观测云
...
Dify.AI
...
LigaAI
...
白鲸技术栈
...
ShowMeBug

推荐或自荐