3D点云时空表示学习自监督学习时空表示 3D场景理解预训练模型

3D点云的自监督表示学习

5清华大学0https://siyuanhuang.com/STRL0摘要0迄今为止，各种3D场景理解任务仍然缺乏实用且具有泛化能力的预训练模型，主要是由于3D场景理解任务的复杂性以及由相机视角、光照、遮挡等引入的巨大变化。在本文中，...

STRL：3D 点云的时空自监督表示学习

标签： 3d 学习计算机视觉

3D视觉工坊学习交流群STRL：3D 点云的时空自监督表示学习论文作者：Siyuan Huang, Yichen Xie, Song-Chun Zhu, Yixin Zhu1加州大学洛杉矶分校 2上海交通大学 3北京通用人工智能研究院 4北京大学 5清华大学此文笔者：...

深度学习-3D点云实战系列.rar

标签：点云 3D点云深度学习

分享视频教程——深度学习-3D点云实战系列，2021最新课程，完整版，附源码和数据集，想学习点云的同学抓紧时间下载了，很棒的一套课程

三维特征的自监督预训练方法

标签：预训练自监督学习点云数据 3D模型特征提取

110252任意点云上三维特征的自监督预训练Zaiwei Zhang1，2*Rohit Girdhar1Armand Joulin1Ishan Misra11Facebook AI Research2德克萨斯大学奥斯汀摘要在大型标记数据集上进行预训练是在图像识别、视频理解等许多...

【最新综述】弱监督3D点云语义分割综述（上）

标签： 3d

随着三维点云数据采集技术和传感器的普及和发展，基于深度学习的三维点云研究取得了长足进步。随着可访问数据集数量的增加，完全有监督的语义分割任务的准确性和有效性大大提高。这些方法训练神经网络，以更少的点...

3D点云综述

标签： 3D点云 3D目标检测 3D点云分割

24页3D点云综述，共计214篇参考文献，涵盖3D形状分类，3D目标检测和跟踪，3D点云分割方向和大数据集。

基于三维时空卷积网络的自监督点云预测（CoRL2021）

标签：算法神经网络大数据

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达来源丨泡泡机器人SLAM作者丨泡泡机器人标题：Self-supervised Point Cloud Prediction Using...

基于点云与相机图像的自监督运动学习

标签：自动驾驶运动理解点云估计自我监督交通代理

3183用于自动驾驶罗晨旭1，2杨晓东...为此，我们提出了一个学习框架，该框架利用来自点云和配对相机图像的自由监督信号，纯粹通过自我监督来估计运动。我们的模型包括一个基于点云的结构一致性增强概率运动掩蔽以及跨传

时间匹配和空间图传播的弱监督学习方法用于室外点云场景的场景理解

标签：时间匹配和空间图传播弱监督学习框架伪标签生成三维语义分割视频数据分类

由于室外3D场景的复杂性，在室外点云场景上进行手动注释是耗时且昂贵的。在本文中，我们研究如何实现场景理解有限的注释数据。将100帧连续图像作为一个序列，将整个数据集分成一系列序列，在每个序列的第一帧中只...

半监督点云语义分割方法中的引导点对比学习

标签： 5个标签半监督点云语义分割引导点对比学习深度网络模型 3D语义分割

6423引导点对比学习半监督点云语义分割李江1史少帅1田卓涛1赖信1刘舒2傅志荣1贾亚嘉1，21香港中文大学2SmartMore@ [email protected]@ee.cuhk.edu.hk摘要3D语义分割的快速发展...

Transformer在3D点云中的应用综述（检测/跟踪/分割/降噪/补全）

标签： transformer 3d 深度学习

Transformer 对不同的 3D 表示（例如点云或体素）的适用性如何？Transformer 对各种 3D 处理任务的能力如何？到目前为止，还没有对这些问题的研究进行系统的调查。论文全面概述了用于 3D 点云分析的 Transformer算法...

一文尽览 | 首篇Transformer在3D点云中的应用综述（检测/跟踪/分割/降噪/补全）...

标签：大数据算法计算机视觉

Transformer 对不同的 3D 表示（例如点云或体素）的适用性如何？Transformer 对各种 3D 处理任务的能力如何？到目前为止，还没有对这些问题的研究进行系统的调查。论文全面概述了用于 3D 点云分析的 Transformer算法...

自监督学习论文、代码汇总

标签：计算机视觉深度学习人工智能

无监督模型预训练

3D目标检测学习笔记

标签：计算机视觉深度学习目标检测

博主初学3D目标检测，此前没有相关学习背景，小白一枚～现阶段的学习重点是点云相关的3D检测。本文是阅读文章：3D Object Detection for Autonomous Driving: A Review and New Outlooks 后的学习笔记和总结。...

"自我监督的3D特征学习方法在点云配准中的应用

标签：引导通信特征提取自我监督对应关系估计点云配准

最近的工作已经证明了如何利用监督学习来学习更好和更紧凑的3D特征。然而，那些方法对地面实况注释的依赖限制了它们的可扩展性。我们建议BYOC：一种自我监督的方法，从RGB-D视频中学习视觉和几何特征，而不依赖于...

自动驾驶中图像与点云融合的深度学习研究综述

标签：深度学习自动驾驶目标检测

为了弥合这一差距并激发未来的研究，本文致力于回顾最近利用图像和点云的基于深度学习的数据融合方法。这篇综述简要概述了图像和点云数据处理的深度学习。随后在深度补全、目标检测、语义分割、跟踪和在线交叉传感器...

3D点云深度学习」综述论文--Deep Learning for 3D Point Clouds: A Survey

三维点云深度学习研究综述论文：Deep Learning for 3D Point Clouds: A Survey 作者：Yulan Guo 时间：2019-12 引言动机： Point cloud learning （点云学习）由于在视觉、自动驾驶、机器人等方面的广泛应用，...

【论文阅读】3D点云 -- PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation

标签：深度学习 3d

点云是一种重要的几何数据结构。【存在问题】由于其不规则的格式，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。但是，这会使数据变得不必要的庞大，并导致问题。【本文设计】在本文中，我们...

Spatio-temporal Self-Supervised Representation Learning for 3D Point Clouds

标签： 3d 人工智能深度学习

到目前为止，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，这主要是由于 3D 场景理解的复杂性质及其由相机视图、照明、遮挡等带来的巨大变化。在本文中，我们通过引入时空表示学习（STRL）框架来应对这一...

C-Flow：基于流的图像和3D点云条件生成模型

标签： C-Flow流模型图像和点云生成条件生成模型多模态数据建模生成模型介绍

7949C-Flow：图像和3D点云的条件生成流模型Albert Pumarola1，Stefan Popov2Francesc Moreno-Noguer1VittorioFerrari21InstitutdeRobo` ticaiInforma` ticaIndustrial，CSIC-UPC，Barcelona，Spain2GoogleResearch，...

3D点云的自我注意网络与图像分析任务中的进展

标签：自我注意网络 3D点云处理语义场景分割对象部分分割对象分类

受此成功的启发，我们研究了自注意网络在3D点云处理中的应用。我们设计了点云的自我注意层，并使用这些来构建自我注意网络的任务，如语义场景分割，对象部分分割，和对象分类。我们的点Transformer的设计改进，证明...

HOG特征也可以作为图像重建的目标！FAIR&JHU提出新的one-stage自监督预训练模型MaskFeat！...

标签：算法大数据编程语言

▊写在前面在本文中，作者提出了用于视频模型自监督预训练的掩蔽特征预测（Masked Feature Prediction，MaskFeat）。本文的方法首先随机掩蔽输入序列的一部分，然后...

多尺度对比随机游动：统一时空图的像素轨迹学习

标签：像素轨迹学习多尺度对比随机游动时空对应关系自监督学习时间对应

其主要贡献是通过由粗到细地计算两个框架之间的转移矩阵，将混沌引入搜索问题，在时间上扩展时形成多尺度对比随机游动这为光流、关键点跟踪和视频对象分割的自监督学习建立了统一的技术实验表明，对于这些任务中的每...

细粒度对象识别的规范3D表示方法

标签：个文件的5个标签细粒度识别框架 3D对象表示深度学习物体识别

1035学习用于细粒度识别的规范3D对象表示Sunghun Joung1，Seungryong Kim2，Minsu Kim1，Ig-Jae Kim3，Kwanghoon Sohn1，*1延世大学、2高丽大学、3韩国科学技术研究院（KIST）{sunghunjoung，minsukim320，khsohn}@ ...