Reliable Inlier Evaluation for Unsupervised Point Cloud Registration 教師なし点群登録アルゴリズムは、通常、効果的なインライア評価がないため、部分的に重複する問題で登録精度が満たされないという問題があります。本論文では、ロバストな教師なし点群登録のための近傍コンセンサスベースの信頼できるインライア評価法を提案した。効果的なインライアの区別のために、ソース近傍と対応する疑似ターゲット近傍との間の識別可能な幾何学的差異をキャプチャすることが期待されます。具体的には、私たちのモデルは、マッチングマップリファインメントモジュールとインライア評価モジュールで構成されています。マッチングマップリファインメントモジュールでは、ネイバーのマッチングスコアを統合することにより、ポイントごとのマッチングマップ推定を改善します。集約された近隣情
走査型電子顕微鏡(SEM)などの最新の科学機器の技術的進歩により、データ取得率と画像解像度が大幅に向上し、新しい疑問を探ることができるようになりました。ただし、自動化された実験と組み合わせた結果のデータ量と速度は、画像の焦点の確認など、人間の介入を必要とする重要なステップが残っているため、科学者をすぐに圧倒します。連続的に収集された電子顕微鏡画像の高速焦点外れ検出アルゴリズムを提示し、神経科学ワークフローのほぼリアルタイムの品質管理を提供するために使用できることを示します。私たちの技術であるマルチスケール組織学的特徴検出は、古典的なコンピュータービジョン技術を適応させ、さまざまなきめの細かい組織学的特徴の検出に基づいています。特性評価を加速するために、GPUプリミティブを使用する手法に固有の並列処理を利用します。私たちの方法がわずか20ms以内に焦点が合っていない状態を検出できることを示し
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く