Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >[CVPR 2022 | 论文简读] 点云的表面表示

[CVPR 2022 | 论文简读] 点云的表面表示

作者头像
智能生信
发布于 2022-12-29 08:57:32
发布于 2022-12-29 08:57:32
7640
举报
文章被收录于专栏:智能生信智能生信

作者 | 汪逢生 编辑 | 赵晏浠

论文题目

Surface Representation for Point Clouds

论文摘要

多数先前的工作通过坐标表示点云的形状。然而,直接利用坐标描述局部几何是不充分的。在本文中,作者提出了 RepSurf(representative surface),这是一种新颖的点云表示,显式的描述了非常局部的点云结构。 作者探索了 RepSurf 的两种变体,Triangular RepSurf 和 Umbrella RepSurf,其灵感来自计算机图形学中的三角形网格和伞形曲率。作者在表面重建后通过预定义的几何先验计算 RepSurf 的表征。RepSurf 可以成为绝大多数点云模型的即插即用模块,这要归功于它与无规则点集的自由协作。 基于 PointNet++(SSG 版本)的简单基线,Umbrella RepSurf 在各种基准上的分类、分割和检测在性能和效率方面都大大超过了之前的先进方法。在只有0.008M参数数量、0.04G FLOPs 和 1.12ms推理时间的增的情况下,作者的方法在分类数据集 ModelNet40 上达到 94.7% (+0.5%),在 ScanObjectNN 上达到 84.6% (+1.8%) ;而在分割任务的 S3DIS 6-fold 上达到74.3%(+0.8%) mIoU,在ScanNet 上达到70.0% (+1.6%) mIoU 。对于检测任务,作者的 RepSurf 应用于最先进的检测器,并在 ScanNetV2 上达到71.2% (+2.1%) mAP25、54.8% (+2.0%) mAP50 和在 SUN RGB-D数据集上64.9% (+1.9%) mAP25、47.7% (+ 2.5%) mAP50的性能。作者的轻量级Triangular RepSurf 在这些基准测试中同样表现出色。

论文链接

http://arxiv.org/abs/2205.05740

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-10-01,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 智能生信 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
CVPR 2022 | 腾讯优图实验室30篇论文入选,含场景文本语义识别、3D人脸重建、目标检测、视频场景分割和视频插帧等领域
近日,CVPR 2022官方公布了接收论文列表,来自腾讯优图实验室共计30篇论文被CVPR收录,论文涵盖包括场景文本语义识别、3D人脸重建、人体姿态估计 (HPE)、目标检测、图像风格转换、视频场景分割和视频插帧等研究领域。
优图实验室
2022/04/20
3K0
CVPR 2022 | 腾讯优图实验室30篇论文入选,含场景文本语义识别、3D人脸重建、目标检测、视频场景分割和视频插帧等领域
基于感知能力的点云实例分割
论文标题:Instance-Aware Embedding for Point Cloud Instance Seg
3D视觉工坊
2020/11/11
1K0
基于感知能力的点云实例分割
HybridCR:基于混合对比正则化的弱监督3D点云语义分割(CVPR 2022)
HybridCR: Weakly-Supervised 3D Point Cloud Semantic Segmentation via Hybrid Contrastive Regularization
3D视觉工坊
2023/04/29
5970
HybridCR:基于混合对比正则化的弱监督3D点云语义分割(CVPR 2022)
何恺明团队最新研究:3D目标检测新框架VoteNet,两大数据集刷新最高精度
当前的3D目标检测方法受2D检测器的影响很大。为了利用2D检测器的架构,它们通常将3D点云转换为规则的网格,或依赖于在2D图像中检测来提取3D框。很少有人尝试直接检测点云中的物体。
朱晓霞
2019/05/13
1.7K0
何恺明团队最新研究:3D目标检测新框架VoteNet,两大数据集刷新最高精度
STRL:3D 点云的时空自监督表示学习
点云是视觉分析和场景理解的典型3D表示。但各种3D场景理解任务仍然缺乏实用和可推广的预训练模型,同时尽管3D点云数据在3D表示中无所不在,但与2D图像数据相比,对3D点云进行标注要困难得多。因此,动机是:正确利用大量未标记的3D点云数据是大规模3D视觉分析和场景理解成功的必要条件。
3D视觉工坊
2023/04/29
7750
STRL:3D 点云的时空自监督表示学习
3D点云分割、目标检测、分类
3D点云学习( Point Clouds)作为近年来的研究热点之一,受到了广泛关注,每年在各大会议上都有大量的相关文章发表。当前,点云上的深度学习变得越来越流行,人们提出了许多方法来解决这一领域的不同问题。国防科技大学郭裕兰老师课题组新出的这篇论文对近几年点云深度学习方法进行了全面综述,是第一篇全面涵盖多个重要点云相关任务的深度学习方法的综述论文,包括三维形状分类、三维目标检测与跟踪、三维点云分割等,并对点云深度学习的机制和策略进行全面的归纳和解读,帮助读者更好地了解当前的研究现状和思路。也提供了现有方法在几个可公开获得的数据集上的全面比较,最后也介绍了未来的研究方向。
3D视觉工坊
2023/04/29
1.1K0
3D点云分割、目标检测、分类
CVPR 2022 | 清华提出Point-BERT: 基于掩码建模的点云自注意力模型预训练
在这里和大家分享一下我们被CVPR 2022录用的工作“Point-BERT: Pre-training 3D Point Cloud Transformers with Masked Point Modeling”
Amusi
2022/04/18
7820
CVPR 2022 | 清华提出Point-BERT: 基于掩码建模的点云自注意力模型预训练
密集与稀疏特性提取, 利用自然语言Query ,2D-3D联合训练方案匹配和重复场景检测 !
3D计算机视觉的迅速发展在理解与解释三维世界方面取得了重要突破。然而,当作者尝试匹配自然语言和2D视觉领域中大规模预训练模型的成就时,要在一系列3D感知任务上实现鲁棒性能是非常具有挑战性的。通往3D基础模型的道路受到3D数据相对稀缺的阻碍,尤其是在获取质量标注方面。与此同时,3D模型需要与语言或语言-视觉模型共同存在并进行通信,以便最优地使用先验知识来感知、推理和作用于物理世界。
AIGC 先锋科技
2024/09/25
1580
密集与稀疏特性提取, 利用自然语言Query ,2D-3D联合训练方案匹配和重复场景检测 !
CVPR2021 | PAConv:一种位置自适应卷积,点云分类、分割任务表现SOTA
由香港大学CVMI Lab和牛津大学合作提出了一种点云上具有动态内核组装的位置自适应卷积——PAConv: Position Adaptive Convolution with Dynamic Kernel Assembling on Point Clouds,论文已被CVPR2021接收。
计算机视觉
2021/04/26
1.1K0
CVPR2021 | PAConv:一种位置自适应卷积,点云分类、分割任务表现SOTA
CVPR 2019 Oral | Relation-Shape CNN:以几何关系卷积推理点云3D形状
论文作者:Yongcheng Liu、Bin Fan、Shiming Xiang、Chunhong Pan
机器之心
2019/05/13
1.1K0
CVPR 2019 Oral | Relation-Shape CNN:以几何关系卷积推理点云3D形状
CVPR2021 | DyCo3D: 基于动态卷积的3D点云鲁棒实例分割
原文地址:CVPR2021 | DyCo3D: 基于动态卷积的3D点云鲁棒实例分割
一点人工一点智能
2023/01/19
1.4K0
CVPR2021 | DyCo3D: 基于动态卷积的3D点云鲁棒实例分割
CVPR 2019 | PointConv:在点云上高效实现卷积操作
在机器人、自动驾驶和虚拟/增强现实应用中,直接获取 3D 数据的传感器日趋普遍。由于深度信息可以消除 2D 图像中的大量分割不确定性(segmentation ambiguity),并提供重要的几何信息,因此具备直接处理 3D 数据的能力在这些应用中非常宝贵。但 3D 数据通常以点云的形式出现。点云通常由一组无排列顺序的 3D 点表示,每个点上具有或不具有附加特征(例如 RGB 信息)。由于点云的无序特性,并且其排列方式不同于 2D 图像中的常规网格状像素点,传统的 CNN 很难处理这种无序输入。
机器之心
2019/05/07
1.2K0
CVPR 2019 | PointConv:在点云上高效实现卷积操作
基于三维点云的卷积运算综述
3D传感器(如激光雷达和深度相机)的普及引起了人们对3D视觉的广泛关注,这些传感器采集的3D数据可以提供丰富的几何结构和尺度细节,这也在许多领域得到了实际应用,包括自动驾驶技术[1]、机器人控制技术[2]等。
一点人工一点智能
2024/01/09
7751
基于三维点云的卷积运算综述
探索3D视觉中的Transformer架构:通用Backbone与自适应采样策略 !
计算机视觉中的一个基本问题是在三维空间中理解和识别场景与物体。它允许以紧凑的方式表达关系,并提供在现实世界中导航和操作的能力。3D视觉在各个领域都发挥着重要作用,包括自动驾驶、机器人技术、遥感、医疗、增强现实、设计行业等众多应用。
未来先知
2024/08/08
5560
探索3D视觉中的Transformer架构:通用Backbone与自适应采样策略  !
CVPR 2020 | RandLA-Net:大场景三维点云语义分割新框架(已开源)
本文要介绍的是 CVPR 2020上被录用的文章《RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds》
AI科技评论
2020/03/05
4.6K0
CVPR 2020 | RandLA-Net:大场景三维点云语义分割新框架(已开源)
点云分割训练哪家强?监督,弱监督,无监督还是半监督?
近年来,自动驾驶领域的各项下游任务基本上都要求了对场景的语义理解,比如自动驾驶车辆要能够理解哪个是路面、哪个是交通灯、哪个是行人、哪个是树木,因此点云分割的作用就不言而喻。
3D视觉工坊
2023/04/29
9700
点云分割训练哪家强?监督,弱监督,无监督还是半监督?
首发 | 旷视14篇CVPR 2019论文,都有哪些亮点?
回顾 CVPR 2018 ,旷视科技有 8 篇论文被收录,如高效的移动端卷积神经网络 ShuffleNet、语义分割的判别特征网络 DFN、优化解决人群密集遮挡问题的 RepLose、通过角点定位和区域分割优化场景文本检测的一种新型场景文本检测器、率先提出的可复原扭曲的文档图像等等。
AI科技大本营
2019/03/15
1K0
首发 | 旷视14篇CVPR 2019论文,都有哪些亮点?
CVPR2021目标检测和语义分割论文分类汇总 | 源码 |
今年CVPR 共有7015篇有效投稿,其中进入Decision Making阶段的共有约5900篇,最终有1663篇突出重围被接收,录用率大概为23.7%(1663/7015)。
计算机视觉
2021/07/05
1.2K0
ECCV 2018|商汤37篇论文入选,为你解读精选论文(附链接+开源资源)
【导读】9 月 8 日-14 日,每两年举办一次的 2018 欧洲计算机视觉大会(ECCV 2018)在德国慕尼黑召开,本次会议总共收到了 2439 篇有效的论文,相比上一届 2016年会议增加了 65% ,其中有 776 篇被接受( 31.8 % )。可以说,今年是国内各高校、企业研究机构收获丰富的一年,无论是过去的 CVPR、ICCV 大会,都是华人的成果占据半壁江山,可见国内计算机视觉这两年来的迅猛的发展。
AI科技大本营
2018/09/28
1.2K0
ECCV 2018|商汤37篇论文入选,为你解读精选论文(附链接+开源资源)
三万字收藏 | 三维场景点云理解与重建技术
作者:龚靖渝, 楼雨京, 柳奉奇, 张志伟, 陈豪明, 张志忠, 谭鑫, 谢源, 马利庄
一点人工一点智能
2023/08/24
1.6K0
三万字收藏 | 三维场景点云理解与重建技术
推荐阅读
CVPR 2022 | 腾讯优图实验室30篇论文入选,含场景文本语义识别、3D人脸重建、目标检测、视频场景分割和视频插帧等领域
3K0
基于感知能力的点云实例分割
1K0
HybridCR:基于混合对比正则化的弱监督3D点云语义分割(CVPR 2022)
5970
何恺明团队最新研究:3D目标检测新框架VoteNet,两大数据集刷新最高精度
1.7K0
STRL:3D 点云的时空自监督表示学习
7750
3D点云分割、目标检测、分类
1.1K0
CVPR 2022 | 清华提出Point-BERT: 基于掩码建模的点云自注意力模型预训练
7820
密集与稀疏特性提取, 利用自然语言Query ,2D-3D联合训练方案匹配和重复场景检测 !
1580
CVPR2021 | PAConv:一种位置自适应卷积,点云分类、分割任务表现SOTA
1.1K0
CVPR 2019 Oral | Relation-Shape CNN:以几何关系卷积推理点云3D形状
1.1K0
CVPR2021 | DyCo3D: 基于动态卷积的3D点云鲁棒实例分割
1.4K0
CVPR 2019 | PointConv:在点云上高效实现卷积操作
1.2K0
基于三维点云的卷积运算综述
7751
探索3D视觉中的Transformer架构:通用Backbone与自适应采样策略 !
5560
CVPR 2020 | RandLA-Net:大场景三维点云语义分割新框架(已开源)
4.6K0
点云分割训练哪家强?监督,弱监督,无监督还是半监督?
9700
首发 | 旷视14篇CVPR 2019论文,都有哪些亮点?
1K0
CVPR2021目标检测和语义分割论文分类汇总 | 源码 |
1.2K0
ECCV 2018|商汤37篇论文入选,为你解读精选论文(附链接+开源资源)
1.2K0
三万字收藏 | 三维场景点云理解与重建技术
1.6K0
相关推荐
CVPR 2022 | 腾讯优图实验室30篇论文入选,含场景文本语义识别、3D人脸重建、目标检测、视频场景分割和视频插帧等领域
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档