抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】