随笔分类 -  点云语义分割

阅读笔记--[CVPR2021] Panoptic-PolarNet: Proposal-free LiDAR Point Cloud Panoptic Segmentation
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
posted @ 2021-07-13 23:04 派大星灬 阅读(965) 评论(0) 推荐(0)
阅读笔记--[CVPR2021] Omni-supervised Point Cloud Segmentation via Gradual Receptive Field Component Reasoning
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
posted @ 2021-07-04 17:41 派大星灬 阅读(592) 评论(0) 推荐(0)
阅读笔记--[CVPR2021] Semantic Segmentation for Real Point Cloud Scenes via Bilateral Augmentation and Adaptive Fusion
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
posted @ 2021-06-08 20:53 派大星灬 阅读(1588) 评论(1) 推荐(0)
阅读笔记--[CVPR2020] RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds
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
posted @ 2021-05-07 16:29 派大星灬 阅读(2201) 评论(0) 推荐(0)
阅读笔记--SVGA-Net: Sparse Voxel-Graph Attention Network for 3D Object Detection from Point Clouds
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
posted @ 2021-03-15 19:12 派大星灬 阅读(298) 评论(0) 推荐(0)
阅读笔记--[CVPR2020] Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud
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
posted @ 2021-03-03 22:19 派大星灬 阅读(478) 评论(0) 推荐(0)
阅读笔记--[CVPR2018] 3D Semantic Segmentation with Submanifold Sparse Convolutional Networks
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
posted @ 2021-02-01 15:00 派大星灬 阅读(816) 评论(0) 推荐(0)
[ECCV2020] Deep FusionNet for Point Cloud Semantic Segmentation 笔记
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
posted @ 2021-01-24 17:52 派大星灬 阅读(460) 评论(0) 推荐(0)