軽量自己注意ベースモデルによる階層的ポイントクラウド符号化と復号化【JST・京大機械翻訳】

Puang En Yen; Zhang Hao; Zhu Hongyuan; Jing Wei

プレプリント

J-GLOBAL ID：202202200353149265 整理番号：22P0289019

軽量自己注意ベースモデルによる階層的ポイントクラウド符号化と復号化【JST・京大機械翻訳】

Hierarchical Point Cloud Encoding and Decoding with Lightweight Self-Attention based Model

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月13日プレプリントサーバーでの情報更新日： 2022年02月13日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

本論文では,ポイントクラウドデータの表現学習のための階層的で軽量な自己注意ベース符号化と復号化アーキテクチャのSA-CNNを提案した。提案したSA-CNNは,非規則化3D点間の文脈情報を捉え,生成するために,畳込みと変換畳込みスタックを導入した。従来の階層的パイプラインに続いて,符号化プロセスは,局所から大域的方法で特徴を抽出し,一方,復号化プロセスは,粗から微細で,多重解像度段階で特徴および点雲を生成する。SA-CNNは,広範囲の応用,即ち,分類,部分セグメンテーション,再構成,形状検索,教師なし分類が可能なことを示した。ベンチマークにおいて最先端または同等の性能を達成する一方で,SA-CNNは,そのモデル複雑性を,他のものより数桁低く維持する。定性的結果に関して,著者らは,変形可能な非剛体人間およびロボットモデルと同様に,剛体物体上の多段点雲再構成および潜在歩行を可視化した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 符号理論

, , , , , , ,

前のページに戻る