REGTR:変圧器とのエンドツーエンドポイントクラウド対応【JST・京大機械翻訳】

Yew Zi Jian; Lee Gim Hee

プレプリント

J-GLOBAL ID：202202213818466755 整理番号：22P0311167

REGTR:変圧器とのエンドツーエンドポイントクラウド対応【JST・京大機械翻訳】

REGTR: End-to-end Point Cloud Correspondences with Transformers

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 (2件)： ,
資料名：
発行年： 2022年03月28日プレプリントサーバーでの情報更新日： 2022年03月28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)

ポイントクラウド登録への学習の組み込みにおける最近の成功にもかかわらず,多くの研究は,学習特徴記述子に焦点を合わせ,姿勢推定のための対応の最終集合を得るために,RANSACを通して最近傍特徴マッチングと異常値フィルタリングに頼る。本研究では,注意機構が明示的特徴マッチングとRANSACの役割を置き換えることができ,従って,対応の最終集合を直接予測するためのエンドツーエンドフレームワークを提案した。著者らは,主に自己および交差注意を含む変圧器層から成るネットワークアーキテクチャを使用し,そして,それを訓練して,各点が重複領域にあり,そして,他の点雲の対応する位置にある確率を予測した。必要な剛体変換を,さらに後処理なしで予測した対応から直接推定することができた。その単純さにもかかわらず,本手法は3DMatchとModelNetベンチマークで最先端の性能を達成した。このソースコードはhttps://github.com/yewzijian/RegTRで見つけることができる。【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