RMS-FlowNet:大規模点群のための効率的でロバストなマルチスケールシーンフロー推定【JST・京大機械翻訳】

Battrawy Ramy; Schuster Rene; Mahani Mohammad-Ali Nikouei; Stricker Didier

プレプリント

J-GLOBAL ID：202202201202946577 整理番号：22P0323851

RMS-FlowNet:大規模点群のための効率的でロバストなマルチスケールシーンフロー推定【JST・京大機械翻訳】

RMS-FlowNet: Efficient and Robust Multi-Scale Scene Flow Estimation for Large-Scale Point Clouds

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04月01日プレプリントサーバーでの情報更新日： 2022年04月01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)

提案したRMS-FlowNetは,高密度のポイントクラウド上で動作できる正確で効率的なシーンフロー推定のための新しいエンドツーエンド学習ベースアーキテクチャである。階層的シーンフロー推定のために,既存の方法は,高価なFarthest-Point-Sampling(FPS)または構造ベーススケーリングのいずれかに依存し,多数の点を扱う能力を低下させる。これらの方法とは異なり,マルチスケールシーンフロー予測のためのランダムサンプリング(RS)に関する完全教師つきアーキテクチャを基礎にした。この目的のために,RSと連動してよりロバストなシーンフローを予測できる新しいフロー埋込み設計を提案した。高精度を示すと,著者らのRMS-FlowNetは最先端の方法よりも高速予測を提供し,1回250Kポイント以上の連続高密度点雲上で効率的に機能した。この包括的な実験は,異なる点雲密度を有する確立されたFingthings3Dデータセット上のRMS-FlowNetの精度を検証し,著者らの設計選択を検証した。さらに,本モデルは,微調整なしにKITTIデータセットの実世界シーンに向けて一般化する競合能力を示す。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識

, , ,

前のページに戻る