wh9rG0UkdQJu
Sur-faceRepresentationforPointClouds 2022CVPR Paperlink:https://openaccess.thecvf.com/content/CVPR2022/papers/Ran_Sur-face_Representation_for_Point_Clouds_CVPR_2022_paper.pdf Codelink: https://github.com/hancyran/RepSur-f 摘要 大多数先前的工作都是通过坐标来表示点云的形状。然而，直接描述局部几何形状是不够的。在本文中，我们提出了RepSur-f（代表性曲...
Mask3D:MaskTransformerfor3DSemanticInstanceSegmentation Mask3D：用于3D语义实例分割的MaskTransformer Paperlink: https://ieeexplore.ieee.org/abstract/document/10160590 2023ICRA 摘要： 现代3D语义实例分割方法主要依赖于专门的投票机制，然后是精心设计的几何聚类技术。基于最近基于Transformer的对象检测和图像分割方法的成功，我们提出了第一个基于Transformer的3D语义实例分割方法。我们证明，我们可以利用通用Transfo...
EnhancingLocalFeatureLearningfor3DPointCloud ProcessingusingUnary-PairwiseAttention 利用单数-配对注意加强三维点云处理的局部特征学习 摘要 我们提出了一种简单而有效的注意力，即单对注意力（UPA），用于对三维点云之间的关系进行建模。我们的想法是基于这样的分析：标准的自我注意（SA）是全局性的，对于不同的查询位置往往会产生几乎相同的注意图，这表明在共同学习与查询无关和与查询有关的信息方面存在困难。因此，我们重新表述了SA，并提出了与查询无关的（Unary）和与查询有关的（Pairwise）组件，以促进对...
摘要 许多现有的3D点云语义分割方法是完全监督的。这些完全监督的方法严重依赖难以获得的大量标记的训练数据，并且在训练后不能分割新的类别。为了缓解这些局限性，我们提出了一种新颖的注意力感知的多原型过渡性小样本点云语义分割方法，以分割给定的少数标记的例子的新类别。具体来说，每个类别由多个原型代表，以模拟标记点的复杂数据分布。随后，我们采用了一种过渡性的标签传播方法来利用已标记的多原型和未标记的点之间以及未标记的点之间的关系。此外，我们设计了一个注意力感知的多层次特征学习网络，以学习捕捉点之间的几何依赖性和语义相关性的鉴别特征。在两个基准数据集上，我们提出的方法与基线相比，在不同的几张照片的点云语义...
LearningtoSample 摘要 处理大型点云是一项具有挑战性的任务。因此，数据通常被抽样到一个可以更容易处理的大小。问题是如何对数据进行采样？一个流行的采样技术是最远点采样（FPS）。然而，FPS与下游应用（分类、检索等）是无关的。其基本假设似乎是，最小化最远点距离，如FPS所做的，是其他目标函数的一个很好的代理。 我们表明，最好是学习如何采样。为了做到这一点，我们提出了一个深度网络来简化三维点云。该网络被称为S-NET，它接收一个点云并产生一个较小的点云，该点云为一个特定的任务而优化。简化后的点云不能保证是原始点云的一个子集。因此，我们在后处理步骤中将其与原始点的一个子集相匹配。我们...
Indoor3DPointCloudSegmentationBasedon Multi‐ConstraintGraphClustering 基于多约束图聚类的室内三维点云分割技术 摘要 室内场景点云的分割在三维重建和场景分类中起着至关重要的作用。本文提出了一种用于室内场景分割的多约束图聚类方法（MCGC）。MCGC方法考虑了多约束条件，包括提取的结构平面、局部表面凸度和物体的颜色信息，用于室内分割。首先，原始点云被划分为表面斑块，我们提出了一种稳健的平面外牵引方法来提取室内场景的主要结构平面。然后，通过全局能量优化实现表面斑块和结构平面之间的匹配。接下来，我们紧密结合上述的多种约束条...
Efficient3DPointCloudFeatureLearningfor Large-ScalePlaceRecognition 用于大规模场所识别的高效三维点云特征学习 摘要 由于变化环境中场景的外观和照度的急剧变化，基于点云的地点识别检索仍然是一个具有挑战性的问题。现有的基于深度学习的全局描述符的检索任务通常会消耗大量的计算资源（如内存），这可能不适合在硬件资源有限的情况下使用。在本文中，我们开发了一种高效的点云学习网络（EPC-Net）来形成视觉场所识别的全局描述符，它可以获得良好的性能，减少计算内存和推理时间。首先，我们提出了一个轻量级但有效的神经网络模块，称为Prox...
ActiveLearningforPointCloudSemanticSegmentation viaSpatial-StructuralDiversityReasoning 通过空间结构多样性推理进行点云语义分割的主动学习 摘要 众所周知，昂贵的注释成本是点云语义分割技术发展的一个主要制约因素。在本文中，我们提出了一种新的基于主动学习的方法来解决这个问题。我们的方法被称为SSDR-AL，它将原始点云分组为超级点，并选择信息量最大和最有代表性的点来获取标签。我们通过一个考虑到超点的空间和结构多样性的图形推理网络来实现选择机制。为了在更实际的情况下部署SSDR-AL，我们设计了一个噪声...
Superpoint-guidedSemi-supervisedSemanticSegmentationof3DPoint Clouds 超点指导下的三维点云的半监督式语义分割 摘要 三维点云语义分割是计算机视觉领域的一个挑战性课题。文献中的大多数方法都需要大量的完全标记的训练数据，但通过手动标记大量的点云来获得这些训练数据是非常耗时的。为了解决这个问题，我们提出了一个超点引导的三维点云半监督分割网络，该网络联合利用一小部分已标注的场景点云和大量未标注的点云进行网络训练。所提出的网络用其预测的伪标签进行迭代更新，其中引入了一个超点生成模块，用于从三维点云中提取超点，并探索了一个伪标签...
SceneEncoder:用可学习的场景描述符对点云进行场景感知的语义分割 摘要 除了局部特征，全局信息在语义分割中起着至关重要的作用，而最近的工作通常不能明确地提取有意义的全局信息并充分利用它。在本文中，我们提出了一个SceneEncoder模块，以施加一个场景感知的指导来增强全局信息的效果。该模块预测了一个场景描述符，该描述符学会了表示场景中存在的物体类别，并通过过滤掉不属于这个场景的类别直接指导点级语义分割。此外，为了减轻局部区域的分割噪声，我们设计了一个区域相似性损失，将区别性特征传播到它们自己的具有相同标签的相邻点，从而增强了点状特征的区别能力。我们将我们的方法整合到几个流行的网络中...
SASA:Semantics-AugmentedSetAbstractionforPoint-based3DObjectDetection SASA:基于点的三维物体检测的语义增强集合抽取 摘要 尽管基于点的网络在三维点云建模中被证明是准确的，但它们在三维检测中仍然落后于其基于体素的竞争对手。我们观察到，目前流行的对点进行下采样的集合抽取设计可能会保留太多不重要的背景信息，从而影响检测物体的特征学习。为了解决这个问题，我们提出了一种新的集合抽取方法，即语义增强的集合抽取（SASA）。从技术上讲，我们首先增加了一个二进制分割模块作为侧面输出，帮助识别前景点。基于估计的点的前景分数，我...
Transformerfor3DPointClouds 摘要 深度神经网络被广泛用于理解三维点云。在每一个点卷积层，特征从三维点的局部邻域计算出来，并结合起来进行后续处理，以提取语义信息。现有的方法在整个网络层中采用相同的单个点邻域，由固定的输入点坐标的相同度量定义。这种常见的做法很容易实现，但不一定是最佳的。理想情况下，不同层的局部邻域应该是不同的，因为更多的潜在信息是在更深的层被提取的。我们提出了一种新颖的端到端方法来学习输入点云的不同非刚性变换，以便在每一层都能采用最佳的局部邻域。我们为三维点云提出了线性（仿生）和非线性（投影和可变形）的空间变换器。在ShapeNet零件分割数据集上使用...
CLIP2:ContrastiveLanguage-Image-PointPretrainingfromReal-WorldPointCloudData Zeng,Yihan,etal."CLIP2:ContrastiveLanguage-Image-PointPretrainingfromReal-WorldPointCloudData."ProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition.2023. 作者单位：华为诺亚方舟实验室香港科技大学香港中文大学中山大学 paper:https://opena...
2023年中国研究生数学建模竞赛E题 出血性脑卒中临床智能诊疗建模 一、 背景介绍 出血性脑卒中指非外伤性脑实质内血管破裂引起的脑出血，占全部脑卒中发病率的10-15%。其病因复杂，通常因脑动脉瘤破裂、脑动脉异常等因素，导致血液从破裂的血管涌入脑组织，从而造成脑部机械性损伤，并引发一系列复杂的生理病理反应。出血性脑卒中起病急、进展快，预后较差，急性期内病死率高达45-50%，约80%的患者会遗留较严重的神经功能障碍，为社会及患者家庭带来沉重的健康和经济负担。因此，发掘出血性脑卒中的发病风险，整合影像学特征、患者临床信息及临床诊疗方案，精准预测患者预后，并据此优化临床决策具有重要的临床...
Learning3DRepresentationsfrom2DPre-trainedModelsviaImage-to-PointMaskedAutoencoders RenruiZhang,LiuhuiWang,YuQiao,PengGao,andHongshengLi."Learning3DRepresentationsfrom2DPre-trainedModelsvia<br> Image-to-PointMaskedAutoencoders",ProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternR...
发布时间：2020 机器学习在数据密集型应用中取得了成功，但在数据集很少时，常常受到阻碍。 符号和术语 考虑学习任务T，FSL处理数据集D={Dtrain,Dtest}，其中包含训练集Dtrain={(xi,yi)}Ii=1（其中I很小）和测试集Dtest={xtest}。令p(x,y)为输入x和输出y的真实联合概率分布，并且ˆh为从x到y的最优假设。FSL通过拟合Dtrain并在Dtest上进行测试来学习发现ˆh。为了近似ˆh，FSL模型确定假设h(·;θ)的假设空间H，其中θ表示h使用的所有参数。这里使用参数h，因为非参数模型通常需要大量数据集，因此不适合FSL。FSL算法是一种优化策略，...
AnEnd-to-EndTransformerModelfor3DObjectDetection 用于3D物体检测的端到端Transformer模型(ICCV),2021 摘要： 我们提出了3DETR，一种基于Transformer的端到端3D点云对象检测模型。与采用许多3D特定感应偏差的现有检测方法相比，3DETR需要对普通Transformer模块进行最少的修改。具体来说，我们发现具有非参数查询和傅立叶位置嵌入的标准Transformer与采用具有手动调整超参数的3D特定运算符库的专用架构相比具有竞争力。尽管如此，3DETR在概念上很简单且易于实现，可以通过合并3D领域知识来进一步改进。通...
Point-BERT:Pre-training3DPointCloudTransformerswith MaskedPointModeling Point-BERT：基于掩码建模的点云自注意力模型预训练 摘要 我们提出了Point-BERT，一个学习自注意力的新范式，将BERT[8]的概念推广到三维点云。受BERT的启发，我们设计了一个掩蔽点建模（MPM）任务来预训练点云自注意力。具体来说，我们首先将点云划分为几个局部的点补丁，并设计了一个带有离散变异自动编码器（dVAE）的点云标记器，以生成包含有意义的局部信息的离散点标记。然后，我们随机屏蔽掉一些输入点云的斑块，并将其送入骨干变形...
Zero-shotPointCloudSegmentationbyTransferringGeometricPrimitives 通过转移几何基元进行零样本点云分割 摘要 在本文中，我们研究了归纳式零样本点云语义分割，在训练期间，未见过的类别标签是不可用的。实际上，三维几何元素是推理三维物体类型的重要线索。如果两个类别有相似的几何基元，它们也有相似的语义表示。基于这种考虑，我们提出了一个新的框架来学习已见和未见类别的物体中共享的几何基元，其中学习到的几何基元被用于将知识从已见类别转移到未见类别。具体来说，一组可学习的原型通过反向传播自动编码几何基元。然后，点的视觉表征被表述为其特征与原型的相似...
Superpoint-guidedSemi-supervisedSemanticSegmentationof3DPoint Clouds 超点指导下的三维点云的半监督式语义分割 摘要 三维点云语义分割是计算机视觉领域的一个挑战性课题。文献中的大多数方法都需要大量的完全标记的训练数据，但通过手动标记大量的点云来获得这些训练数据是非常耗时的。为了解决这个问题，我们提出了一个超点引导的三维点云半监督分割网络，该网络联合利用一小部分已标注的场景点云和大量未标注的点云进行网络训练。所提出的网络用其预测的伪标签进行迭代更新，其中引入了一个超点生成模块，用于从三维点云中提取超点，并探索了一个伪标签...