点网

点网:对三维分类和分割的点集的深入学习。点云是一种重要的几何数据结构。由于其格式不规则,大多数研究人员将这些数据转换为规则的三维体素网格或图像集合。然而,大量的数据却造成了不必要的问题。本文设计了一种新的神经网络,它直接消耗点云,并且很好地尊重输入点的排列不变性。我们的网络名为PointNet,为从对象分类、部件分割到场景语义分析的应用程序提供了一个统一的体系结构。虽然简单,但PointNet非常高效。从经验上看,它表现出了不相上下甚至优于最先进水平的强劲表现。理论上,我们提供分析,以了解网络所学的知识,以及为什么网络对于输入扰动和腐败具有鲁棒性。


zbMATH中的参考文献(参考文献27条)

显示第1到第20个结果,共27个。
按年份排序(引用)
  1. 华,米歇尔;高明奇;钟子春:用于视频动作识别的扩张轮廓卷积网络(2021)
  2. 王光宇;徐刚;吴清;Wu,Xundong:基于外积神经网络的两阶段点云超分辨率局部插值和调整(2021)
  3. 邓浩;To,Albert C.:基于深度表示学习(DRL)的符合性和应力约束设计拓扑优化(2020)
  4. 埃利亚索夫,摩舍;沙夫,安德烈;Treister,Eran:使用参数水平集方法在校准不确定度下进行多模态三维形状重建(2020)
  5. 郎、徐峰;孙正兴:三维形状合成的结构感知形状对应网络(2020)
  6. 刘辛海;韩志忠;洪、方舟;刘玉深;Zwicker,Matthias:LRC网络:通过编码本地区域上下文学习点云上的区分特征(2020)
  7. Nicolas Wagner,Ulrich Schwanecke:NeuralQAAD:高分辨率点云压缩的有效可微框架(2020)阿尔十四
  8. 派,高塔人;约瑟夫里夫林,莫尔;金梅尔,罗恩;Sochen,Nir:几何不变量,学习,形状和形式的识别(2020)
  9. 波兰蒂,玛丽娜;Frontoni,Emanuele:多学科模式识别应用:综述(2020)
  10. 徐义军,徐艺坤,徐艺谋,徐艺谋,徐艺谋,徐艺谋,徐艺谋,徐艺谋,徐艺谋,徐艺谋,徐艺谋阿尔十四
  11. 小孙;Lian,Zhouhui:EasyMesh:从单个图像重建三维网格的有效方法(2020)
  12. 杨宝荣;姚俊峰;王斌;胡建伟;潘一玲;潘天祥;王文平;郭晓虎:P2MAT-NET:从稀疏点云学习中轴变换(2020)
  13. 张丽娜;王士尧;周军;刘健;朱春刚:基于深形状对应的三维把握显著性分析(2020)
  14. 张文晓;龙,澄江;阎庆安;周,Alix L。H、 。;肖春霞:具有临界集监督的多阶段点完成网络(2020)
  15. 程、宣;曾、明;林金鹏;吴子钊;刘新国:点集的有效(l0)重采样(2019)
  16. 陈明嘉;邹倩芳;王长波;Liu,Liang:EdgeNet:3D形状的深度度量学习(2019)
  17. 崔,查尔斯K。;林少波;周丁轩:旋转不变性逼近与学习的深层神经网络(2019)
  18. 霍弗,克里斯托夫D。;奎特,罗兰;Niethammer,Marc:学习持久性条形码的表示(2019)
  19. 胡思雨;陈学金:从单个RGB图像重建网格的神经网络中使用循环正则化防止自相交(2019)
  20. Jens Behley,Martin Garbade,Andres Milioto,Jan Quenzel,Sven Behnke,Cyrill Stachniss,Juergen Gall:SemanticKITTI:LiDAR序列语义场景理解数据集(2019)阿尔十四