摘要： 阅读全文

摘要： Essentially, for our network to upsample a point cloud, it should learn local geometry patterns from the objects. 对于上采样点云网络而言，他应该去学习局部几何模式从原有的对象当中。 我们 阅读全文

摘要： 亚像素 什么是亚像素 在相机的成像过程中，获得的图像数据是将图像进行了离散化的处理，由于感光元件本身能力的限制，到成像面上每个像素值代表附近的颜色。例如两个感光原价之间的像素只有$4.5um$的间距，宏观上他们是连在一起的，微观上他们之间还有无数微小的颜色存在，这些存在于两个实际物理像素之间的像素被 阅读全文

摘要： Abstract 本文目的是为了估计RGB-D图像中不可见物体的6D位姿和尺寸。和实例级别的6D姿态估计任务相反，我们的问题假设在训练或测试期间没有精确的对象CAD模型可用。为了处理给定类别中不同且不可见的对象实例，我们引入了规范化对象坐标空间，一个类别中所有可能对象实例的共享规范表示。然后，我们基 阅读全文

摘要： Abstract 经典的采样方法（FPS）之类的没有考虑到下游任务。 改组上一篇工作没有解决不可微性，而是提供了变通的方法。 本文提出了解决不可微性的方法 可微松弛点云采样，近似采样点作为一个混合点在主要输入点云。 Introduction FPS是任务无关的，它最小化了集合误差，并且不考虑采样点云 阅读全文

摘要： 此处主要提出几个疑问和想法： 疑问： 为什么需要这个匹配过程？虽然G可能不是P的子集，但是为什么一定需要他是子集呢？ 如果一定要匹配的话，匹配过程是没法反向传播的，所以只可以在推理阶段使用，那么这个推理阶段起到了什么作用呢？训练一个针对fixed task的S-NET么？ 那么在推理阶段这个匹配就可 阅读全文

摘要： Abstraction 彻底的掌握难以捉摸的上下文语义信息是本文的目标。 提出一个名为DensePoint的通用框架去学习点云的密集的上下文表示。 Introduction 捕捉足够的上下文语义信息，以彻底掌握难以捉摸的形状信息。 贡献： 一种广义的卷积算子，他对点有排列不变性，尊重局部连通性和权值 阅读全文

摘要： Abstract PointNet没有充分利用包含丰富结构信息的局部邻域。 有以下两种解决方案： 关注局部三维几何结构：与图像的卷积核类似，我们定义一个点集的核作为一个可学习的3D点的集合，这些点根据核相关测量的邻近数据点的几何亲和性共同响应一组相邻数据点，该方法改编自一种类似的点云配准技术。 第二 阅读全文

摘要： Farthest_Point_Sample算法本身是比较简单的，大概意思如下： 初始化一个distance意义是距离当前点集，每个点的距离 首选随机从点集中选择一个点出来，作为已选点集的第一个点 然后做其余点和他之间的差，放入distance 从中选择一个最远的点，放入已选点集合，然后重复计算更新距 阅读全文

摘要： 来源：2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Abstract 由传感器或重建算法获取原始点云包含异常值和噪声 PointASNL有效的处理带有噪声的点云 方案的关键是自适应采样算法(ada 阅读全文