PointNetLK再訪【JST・京大機械翻訳】

Li Xueqian; Pontes Jhony Kaesemodel; Lucey Simon

プレプリント

J-GLOBAL ID：202202209523001354 整理番号：21P0045188

PointNetLK再訪【JST・京大機械翻訳】

PointNetLK Revisited

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： 2020年08月21日プレプリントサーバーでの情報更新日： 2021年03月29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)

最近の学習ベースポイントクラウドレジストレーション法の一般化能力に取り組んだ。それらの成功にもかかわらず,これらのアプローチは,訓練セットでよく表現されないミスマッチ条件に適用するとき,貧弱な性能を持つ傾向がある。これらの環境において,古典的非学習法(例えば,反復最密点)に頼るのは,より良い一般化能力を持っている。ハイブリッド学習法は,点対応を予測し,次にアラインメントのための決定論的ステップを学習するのは,いくつかのレパートを提供するが,それらの一般化能力にはまだ限られている。最新の革新-PointNetLK-を再検討し,解析Jacobiの包含が,学習フレームワークの固有忠実度利益を復元しながら,顕著な一般化特性を示すことを示した。提案手法は,訓練セットに近い実世界テストデータで動作するとき,ミスマッチ条件における最先端技術より優れているだけでなく,現在の学習法に匹敵する結果も生成する。【JST・京大機械翻訳】

,
, , , 【Automatic Indexing@JST】

人工知能

前のページに戻る