RBGNet:3Dオブジェクト検出のためのレイベースグルーピング【JST・京大機械翻訳】

Wang Haiyang; Shi Shaoshuai; Yang Ze; Fang Rongyao; Qian Qi; Li Hongsheng; Schiele Bernt; Wang Liwei

プレプリント

J-GLOBAL ID：202202214574165738 整理番号：22P0325748

RBGNet:3Dオブジェクト検出のためのレイベースグルーピング【JST・京大機械翻訳】

RBGNet: Ray-based Grouping for 3D Object Detection

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 (8件)： , , , , , , ,
資料名：
発行年： 2022年04月05日プレプリントサーバーでの情報更新日： 2022年04月05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)

コンピュータビジョンにおける基本的問題として,3D物体検出は急速な成長を経験している。不規則でまばらに分布した点から点ごとの特徴を抽出するために,以前の方法は,通常,点特徴を物体候補に集約するために,特徴グループ化モジュールを取る。しかし,これらの方法は,グループ化および3Dボックス生成を強化するために,前景物体の表面幾何学をまだ活用していない。本論文では,点雲からの正確な3D物体検出のための投票ベース3D検出器であるRBGNetフレームワークを提案した。3Dボックスを予測するためのクラスタ特徴を強化するためのオブジェクト形状のより良い表現を学習するために,クラスタ中心から一様に放射された一連の決定光線を用いて物体表面上の点ごとの特徴を凝集する光線ベースの特徴グループ化モジュールを提案した。前景ポイントがボックス推定のためにより意味があるという事実を考慮して,著者らは,オブジェクト表面上のより多くのポイントをサンプルして,さらに検出性能を上げるために,ダウンサンプルプロセスにおける新しい前景バイアスサンプリング戦略を設計した。本モデルは,顕著な性能利得を有するScanNet V2とSUN RGB-Dに関する最先端の3D検出性能を達成した。コードはhttps://github.com/Haiyang W/RBGNetで利用可能である。【JST・京大機械翻訳】

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

図形・画像処理一般

前のページに戻る