派大星灬

摘要： Abstract 全景分割的目的是在单一训练体系结构中统一实例分割和语义分割。论文中提出了一个快速和稳健的LiDAR点云全景分割框架(Panoptic-PolarNet)。 文中使用了极坐标鸟瞰图(BEV)表示在单个推理网络中学习语义分割和类无关的实例聚类，这样能够避免城市街道场景中实例之间的遮挡问 阅读全文

摘要： Abstract 由于之前的监督学习仅针对神经网络中的输出结果进行预测，因此隐藏层特征通常无法学习到3D分割的信息表达，然而这个问题可以通过对中间层的多尺度监督来解决。 在本文中，作者首次提出了基于渐进感受野分量推理(RFCR)的全尺寸监督点云分割方法，其中目标感受野局部区域编码 (RFCCs)的目 阅读全文

摘要： Abstract 基本任务：大规模点云上的语义分割 一方面，为了减少邻近点的歧义，通过充分利用双边结构中的几何和语义特征来增加它们的局部上下文。 另一方面，全面地从多个分辨率中提取点的存在性，并在点级按照自适应融合方法表示特征图，以实现精确的语义分割。 Introduction 文章重点：研究大规模 阅读全文

摘要： Abstract 研究了大规模三维点云的有效语义分割问题。 由于依赖昂贵的采样技术和繁重的预处理/后处理步骤，大多数现有方法只能在小规模的点云上进行训练和操作。 本文提出了RandLA-Net，一个高效和轻量级的神经体系结构，用于直接推断大规模点云的点语义。 方法的关键是使用随机点采样，而不是更复杂 阅读全文

摘要： 1、Introduction2、Proposed method2.1 Voxel-graph network architecture(1) Spherical voxel grouping(2) Local point-wise feature(3) Local point-attention l 阅读全文

摘要： 文章目录 Abstruct1、Introduction2、Point-GNN for 3D Object Detection in a Point Cloud2.1 Graph Construction2.2 Graph Neural Network with Auto-Registration2. 阅读全文

摘要： 文章目录 一、Introduction二、Spatial Sparsity for Convolutional Networks三、Submanifold Convolutional Networks1、Sparse Convolution Operations2、Implementation 四、 阅读全文

摘要： 文章目录 一、Introduction(1) motivation(2) Advantages 二、FusionNet(1) Point Cloud Representation(2) Neighborhood Aggregations(3) Inner-voxel Aggregation(4) D 阅读全文

摘要： 根据尚硅谷的视频做的学习笔记 目录 一、枚举类的创建 1. 自定义枚举类 2. 使用 enum 关键字定义枚举类 二、Enum 类中的常用方法 三、使用 enum 关键字定义的枚举类实现接口 1. 实现接口，在enum类中实现抽象方法 2. 让枚举类的对象分别实现接口中的抽象方法 一、枚举类的创建 阅读全文

摘要： 根据尚硅谷的视频做的JUC学习笔记 目录 一、线程的生命周期二、线程的同步同步机制单例设计模式之懒汉式(线程安全) 三、线程的死锁问题四、Lock锁五、线程的通信 一、线程的生命周期 一个完整的生命周期通常要经历如下的五种状态： 新建： 当一个Thread类或其子类的对象被声明并创建时，新生的线程对 阅读全文