研究提出了一种新的时序融合图卷积网络,解决人类活动理解中的过度细分问题。通过谱归一化残差连接,改善边界估计,增强对新观察的有效性,降低过度自信风险,提升机器人在人机协作中的表现。实验显示,该方法在多个数据集上优于现有技术,显著提高了动作识别和分割性能。
该文综述多项三维目标检测研究:动态细化网络与定向边界框注释用于有方向密集目标检测;时序融合模块利用时序信息减轻单帧噪声与遮挡;3DifFusionDet将检测视为去噪扩散过程;可行驶区域基准提出动态融合模块DFM;基于通道注意力的多模态自适应融合降低假阳性;F3Net实现高效显著目标检测;InfoFocus优化点云密度达实时性能;PointSIFT与SENet提升稀疏点云三维检测;一阶段LiDAR检测器及MMFusion多模态框架在KITTI表现优异。
完成下面两步后,将自动完成登录并继续当前操作。