• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of visual communication & image representation >SAF-Nets: Shape-Adaptive Filter Networks for 3D point cloud processing
【24h】

SAF-Nets: Shape-Adaptive Filter Networks for 3D point cloud processing

机译：SAF-网：用于3D点云处理的形状自适应滤波器网络

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A deep learning framework for 3D point cloud processing is proposed in this work. In a point cloud, local neighborhoods have various shapes, and the semantic meaning of each point is determined within the local shape context. Thus, we propose shape-adaptive filters (SAFs), which are dynamically generated from the distributions of local points. The proposed SAFs can extract robust features against noise or outliers, by employing local shape contexts to suppress them. Also, we develop the SAF-Nets for classification and segmentation using multiple SAF layers. Extensive experimental results demonstrate that the proposed SAF-Nets significantly outperform the state-of-the-art conventional algorithms on several benchmark datasets. Moreover, it is shown that SAFs can improve scene flow estimation performance as well.
机译：在这项工作中提出了一种用于3D点云处理的深度学习框架。 在一个点云中，本地邻域具有各种形状，并且在本地形状上下文中确定每个点的语义含义。 因此，我们提出了形状自适应滤波器（SAF），其从局部点的分布动态地产生。 建议的SAF可以通过采用本地形状抑制它们来提取噪声或异常值的强大特征。 此外，我们使用多个SAF层开发用于分类和分割的SAF-网。 广泛的实验结果表明，所提出的SAF-网在几个基准数据集上显着优于最先进的常规算法。 此外，表明SAF可以提高场景流估计性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号