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。
教師なしポイントクラウド完了は,不対な方法で部分的ポイントクラウドの対応する完全なポイントクラウドを推定することを狙った。それは,直接利用できる対部分完全監視がないので,重要だが挑戦的な問題である。本研究では,部分および完全点雲を符号化する統一および構造化潜在空間を学習する新しいフレームワークを提案した。具体的には,複数の完全形状およびオクルージョン符号対に一連の関連部分点雲を写像し,符号を融合し,統一潜在空間におけるそれらの表現を得た。そのような構造化潜在空間の学習を強制するために,提案方法は,構造化ランキング正則化,潜在符号交換制約,および関連部分点雲に関する分布監視を含む一連の制約を採用する。そのような統一および構造化潜在空間を確立することによって,より良い部分的完全幾何学一貫性および形状完了精度を達成することができた。広範な実験により,提案手法は,合成形状Netと実世界KITTI,ScanNet,およびMatterport3Dデータセットの両者において,最先端の教師なし手法よりも一貫して性能が優れていることを示した。【JST・京大機械翻訳】