教師なし点雲完成のための構造化潜在空間の学習【JST・京大機械翻訳】

Cai Yingjie; Lin Kwan-Yee; Zhang Chao; Wang Qiang; Wang Xiaogang; Li Hongsheng

プレプリント

J-GLOBAL ID：202202215201294445 整理番号：22P0312230

教師なし点雲完成のための構造化潜在空間の学習【JST・京大機械翻訳】

Learning a Structured Latent Space for Unsupervised Point Cloud Completion

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 (6件)： , , , , ,
資料名：
発行年： 2022年03月29日プレプリントサーバーでの情報更新日： 2022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)

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】

, , , , , , , ,

図形・画像処理一般 , 人工知能

, , ,

前のページに戻る