論文:3DFeat-Net: Weakly Supervised Local 3D Features for Point Cloud Registration
一、概述： 本文來在弱條件下，通過學習的方式得到三維特徵探測器和描述器，進行點雲匹配。突出點在於: （1）探測器和描述器都是通過學習的方式得到，不需要進行人工標註。 （2）注意力機制用來調整每個描述器的貢獻度，體現每個輸入點作爲顯著點的可能性。 二、相關工作： （1）因爲在點雲中進行細緻的點對點的標註太難，所以很多的方法都是值學習描述器，而探測器交給隨機採樣； （2）部分人工3D描述器，表現不佳；
相關文章
- 1. 3D Local Features for Direct Pairwise Registration 2019論文筆記
- 2. Weakly-supervised convolutional neural networks for multimodal image registration
- 3. Deep Closest Point: Learning Representations for Point Cloud Registration && 2019論文筆記
- 4. DeepICP: An End-to-End Deep Neural Network for 3D Point Cloud Registration 2019 論文筆記
- 5. 3DRegNet: A Deep Neural Network for 3D Point Registration 2020論文筆記
- 6. [點雲分割]-Multi-Path Region Mining For Weakly Supervised 3D Semantic Segmentation on Point Clouds
- 7. 【點雲識別】Weakly Supervised Semantic Point Cloud Segmentation: Towards 10x Fewer Labels(CVPR 2020)
- 8. Point Cloud 2019
- 9. [CVPR2017] Weakly Supervised Cascaded Convolutional Networks論文筆記
- 10. PF-Net: Point Fractal Network for 3D Point Cloud Completion 2020 論文筆記
- 更多相關文章...
- • RSS
元素 - RSS 教程 - • Lua for 循環 - Lua 教程
- • Spring Cloud 微服務實戰(三) - 服務註冊與發現
- • Scala 中文亂碼解決
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 3D Local Features for Direct Pairwise Registration 2019論文筆記
- 2. Weakly-supervised convolutional neural networks for multimodal image registration
- 3. Deep Closest Point: Learning Representations for Point Cloud Registration && 2019論文筆記
- 4. DeepICP: An End-to-End Deep Neural Network for 3D Point Cloud Registration 2019 論文筆記
- 5. 3DRegNet: A Deep Neural Network for 3D Point Registration 2020論文筆記
- 6. [點雲分割]-Multi-Path Region Mining For Weakly Supervised 3D Semantic Segmentation on Point Clouds
- 7. 【點雲識別】Weakly Supervised Semantic Point Cloud Segmentation: Towards 10x Fewer Labels(CVPR 2020)
- 8. Point Cloud 2019
- 9. [CVPR2017] Weakly Supervised Cascaded Convolutional Networks論文筆記
- 10. PF-Net: Point Fractal Network for 3D Point Cloud Completion 2020 論文筆記