文献

J-GLOBAL ID：201902266930900809   整理番号：19A0249710

RGB-Dデータからの3D物体検出のためのFrustum PointNets【JST・京大機械翻訳】

Frustum PointNets for 3D Object Detection from RGB-D Data

著者 (5件)： Qi Charles R. ,  Liu Wei ,  Wu Chenxia ,  Su Hao ,  Guibas Leonidas J.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CVPR  ページ： 918-927  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,屋内および屋外シーンの両方におけるRGBDデータから3D物体検出を研究した。これまでの方法は画像または3Dボクセルに焦点を合わせているが,しばしば自然3Dパターンと3Dデータの不変性を隠していることがあり,RGB-D走査をポッピングすることにより生点雲上で直接操作する。しかしながら,このアプローチの重要な課題は,大規模シーン(領域提案)のポイントクラウドにおけるオブジェクトを効率的に位置決めする方法である。単に3D提案に頼る代わりに,著者らの方法は,成熟2Dオブジェクト検出器とオブジェクト位置確認のための高度3D深学習の両方を活用し,効率を達成し,小さなオブジェクトに対しても高い想起を達成した。生点雲における直接学習から利益を得て,著者らの方法は,強いオクルージョンまたは非常にまばらな点においてさえ,3D境界ボックスを正確に推定することもできた。KITTIとSUN RGB-D 3D検出ベンチマークに関して評価して,著者らの方法は,リアルタイム性能を持っている間,注目すべきマージンによって芸術の状態を上回った。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  オクルージョン ,  ボクセル ,  走査 ,  *三次元 ,  ベンチマーク ,  二次元 ,  画像 ,  位置決め ,  不変性
準シソーラス用語： 実時間 ,  *物体検出 ,  直接操作 ,  屋内 ,  *RGB-D , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： RGB-D ,  3D物体