文献

J-GLOBAL ID：202202285163333867   整理番号：22A0479404

サンプリングネットワークに基づく新しい部分対部分レジストレーション法【JST・京大機械翻訳】

A novel partial-to-partial registration method based on sampling network

著者 (5件)： Song Yanan (College of Computer Science and Technology, Zhejiang University, Hangzhou, China) ,  Song Yanan (Institute of Computing Innovation, Zhejiang University, Hangzhou, China) ,  Shen Weiming (State Key Lab. of Digital Manufacturing Equipment & Technology, Huazhong University of Science & Technology, Wuhan, China) ,  Lu Peng (College of Computer Science and Technology, Zhejiang University, Hangzhou, China) ,  Lu Peng (Institute of Computing Innovation, Zhejiang University, Hangzhou, China)
資料名： Journal of Visual Communication and Image Representation  (Journal of Visual Communication and Image Representation)
巻： 82  ページ： Null  発行年： 2022年 
JST資料番号： W0218A  ISSN： 1047-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 点雲レジストレーションは主に点雲間の剛体変換を推定する。従来の最適化ベースの登録方法は良い初期位置を必要として,それは局所最適解に陥ることが容易である。いくつかの学習ベース法を導入し,初期変換への依存性を低減するが,部分から部分へのレジストレーションタスクを扱うことができない。本論文では,部分対部分シナリオに対する学習ベースレジストレーション法を提案した。局所形状を各点の特徴表現に符号化した。変圧器ネットワークを用いて,注意特性を強化した。設計したサンプリングネットワークダウンサンプル鍵マッチングポイントとそれらの対応する特徴。剛体変換を特異値分解層による仮想対応に従って計算した。ModelNet40データセットとStanford3D走査モデルを用いて,登録性能を試験した。実験結果は,提案方法が伝統的方法より良い登録精度を達成して,どんな初期変換とノイズに対してもロバストであることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  雑音 ,  変圧器 ,  学習 ,  *ネットワーク ,  ロバスト性 ,  特異値分解
準シソーラス用語： 局所最適解 ,  剛体変換 ,  特徴表現 , 【Automatic Indexing@JST】

著者キーワード (4件)： ポイントクラウドレジストレーション ,  部分対応 ,  サンプリングネットワーク ,  深層学習

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： サンプリング ,  レジストレーション