点群シーケンスからシーンダイナミクスを学習する
3Dシーンを理解することは、自律エージェントにとって重要な前提条件です。最近、LiDARおよびその他のセンサーにより、点群フレームの時間シーケンスの形式で大量のデータが利用可能になりました。この作業では、特定のシーケンス内の点群のすべてのペアの3Dシーンフローを予測することを目的とした新しい問題（シーケンシャルシーンフロー推定（SSFE））を提案します。これは、2つのフレームに焦点を当てる以前に研究されたシーンフロー推定の問題とは異なります。 SPCM-Netアーキテクチャを紹介します。これは、隣接する点群間のマルチスケールの時空間相関を計算し、順序不変の回帰ユニットを使用して時間全体の相関を集約することにより、この問題を解決します。私たちの実験的評価は、点群シーケンスの反復処理が、2つのフレームのみを使用する場合と比較して大幅に優れたSSFEをもたらすことを確認しています。さらに、このア
1
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
双方向カメラ-LiDAR フュージョンによるオプティカル フローとシーン フローの学習
https://arxiv-check-250201.firebaseapp.com/each/2403.08885v1
https://arxiv-check-250201.firebaseapp.com/each/2309.16301v1
双方向カメラ-LiDAR フュージョンによるオプティカル フローとシーン フローの学習
ARTSeg：熱画像のセマンティックセグメンテーションに注意を払う
時間的メモリアライメントを使用したLiDARベースの反復3Dセマンティックセグメンテーション
FPS-Net：大規模LiDARポイントクラウドセグメンテーションのための畳み込み融合ネットワーク
道路境界抽出のための畳み込みリカレントネットワーク