大規模3Dセマンティックセグメンテーションのための野生におけるマルチビュー集約の学習【JST・京大機械翻訳】

Robert Damien; Vallet Bruno; Landrieu Loic

プレプリント

J-GLOBAL ID：202202205777660832 整理番号：22P0332836

大規模3Dセマンティックセグメンテーションのための野生におけるマルチビュー集約の学習【JST・京大機械翻訳】

Learning Multi-View Aggregation In the Wild for Large-Scale 3D Semantic Segmentation

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 (3件)： , ,
資料名：
発行年： 2022年04月15日プレプリントサーバーでの情報更新日： 2022年07月07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)

3D意味セグメンテーションに関する最近の研究は,専用ネットワークで各モダリティを処理することにより,画像とポイントクラウド間の相乗作用を利用し,3Dポイントに学習した2D特徴を投影することを提案した。大規模点雲と画像の併合は,点と画素間のマッピングの構築,および複数の視点間の凝集特徴のようないくつかの課題を提起する。現在の方法は,オクルージョンを回復するためのメッシュ再構成または特殊化センサを必要とし,利用可能な画像を選択し,集約するために発見的方法を使用する。対照的に,任意の位置で撮影された画像から特徴を併合するために,3D点の視聴条件を利用するエンドツーエンド訓練可能マルチビュー集約モデルを提案した。提案手法は,標準2Dと3Dネットワークを結合でき,カラー化点クラウドとハイブリッド2D/3Dネットワークで動作する3Dモデルを,カラー化,メッシュ化,あるいは真の深さマップを必要とせずに凌駕する。S3DIS(74.7mIoU6-Fold)とKITTI-360(58.3mIoU)に関する大規模屋内/屋外意味セグメンテーションのための新しい最先端技術を設定した。完全なパイプラインはhttps://github.com/drprojects/DeepViewAggでアクセス可能であり,生の3Dスキャンと画像と姿勢のセットのみを必要とする。【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