原创 Normalized Object Coordinate Space for Category-Level 6D Object Pose and Size Estimation
Abstract 本文目的是爲了估計RGB-D圖像中不可見物體的6D位姿和尺寸。和實例級別的6D姿態估計任務相反，我們的問題假設在訓練或測試期間沒有精確的對象CAD模型可用。爲了處理給定類別中不同且不可見的對象實例，我們引入了規範化對象座標
2022-01-11 13:05:48
原创 語言組織
Essentially, for our network to upsample a point cloud, it should learn local geometry patterns from the objects. 對於上採樣點
2022-01-11 13:05:48
原创 SampleNet: Differentiable Point Cloud Sampling
Abstract 經典的採樣方法（FPS）之類的沒有考慮到下游任務。 改組上一篇工作沒有解決不可微性，而是提供了變通的方法。 本文提出瞭解決不可微性的方法 Introduction
2021-12-16 12:54:24
4
原创 DensePoint: Learning Densely Contextual Representation for Efficient Point Cloud Processing
Abstraction 徹底的掌握難以捉摸的上下文語義信息是本文的目標。 提出一個名爲DensePoint的通用框架去學習點雲的密集的上下文表示。 Introduction 捕捉足夠的上下文語義信息，以徹底掌握難以捉摸的形狀信息。 貢
2021-12-15 12:54:13
原创 Mining Point Cloud Local Structures by Kernel Correlation and Graph Pooling
Abstract PointNet沒有充分利用包含豐富結構信息的局部鄰域。 有以下兩種解決方案： 關注局部三維幾何結構：與圖像的卷積核類似，我們定義一個點集的核作爲一個可學習的3D點的集合，這些點根據核相關測量的鄰近數據點的幾何親和性共同
2021-12-15 12:54:13
原创 PointASNL: Robust Point Clouds Processing using Nonlocal Neural Networks with Adaptive Sampling
來源：2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Abstract 由傳感器或重建算法獲取原始點雲包含異常值和噪聲 PointASN
2021-12-08 12:54:13
2
原创 Structural Relational Reasoning of Point Clouds
來源：2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 總結 開發SRN去理解局部結構之間潛在的聯繫。 摘要 盒子角的對稱性，顯示器表面的連
2021-12-04 12:54:14
原创 點雲思路
點雲主要挑戰： \(P\)是無序的，因此需要學習的東西是置換不變的； \(P\)分佈在三維幾何空間中，因此要求學習的模型應該對其剛性變換（旋轉和平移）有魯棒性； \(P\)形成一個潛在的形狀，因此學習到的表徵是應該可以判別形狀的 以P
2021-12-03 12:54:11
原创 Relation-Shape Convolutional Neural Network for Point Cloud Analysis
以PointCNN中的\(\mathcal{X}-Conv\)爲例，此處做個引子帶出來卷積的方法。 \(\mathcal{X}-Conv\)來鵝城只爲兩件事： 對每個代表點周圍的點特徵做集成。 在隱空間對輸入做重排去除輸入順序的影響。
2021-12-02 12:54:12
原创 PointWeb
Abstract 這篇文章提出了PointWeb，一種在點雲的局部鄰域上下文中提取特徵的新方法，與之前工作不同是，我們在局部鄰域中稠密的將每個點和其他點連接起來。目的是基於局部區域的特徵來指定每個點的特徵，以更好地表示該區域。提出了一種新的
2021-11-29 12:54:10
原创 PointCNN: Convolution OnX-Transformed Points
CNN之所以獲得如此大的成功，關鍵在於他的Conv操作，該操作可以利用圖像中密集表示的數據中的局部相關性，得到局部集合結構。此處的想法就是可不可以將其在PointCloud中應用該種想法。 \(\mathcal{X}-Conv\)來鵝城只爲
2021-11-29 12:54:10
原创 PointCNN
CNN之所以獲得如此大的成功，關鍵在於他的Conv操作，該操作可以利用圖像中密集表示的數據中的局部相關性，得到局部集合結構。此處的想法就是可不可以將其在PointCloud中應用該種想法。 \(\mathcal{X}-Conv\)來鵝城只爲
2021-11-28 12:54:16
原创 PointWeb&PointCNN
Abstract 這篇文章提出了PointWeb，一種在點雲的局部鄰域上下文中提取特徵的新方法，與之前工作不同是，我們在局部鄰域中稠密的將每個點和其他點連接起來。目的是基於局部區域的特徵來指定每個點的特徵，以更好地表示該區域。提出了一種新的
2021-11-26 12:54:13
原创 Deep Learning for 3D Point Clouds: A Survey
爲了促進未來的idea生成和鑑別，此處對該篇[Submitted on 27 Dec 2019 (v1), last revised 23 Jun 2020 (this version, v2)]的Deep Learning for 3D
2021-11-25 12:54:14
2
原创 面部不變性的挖掘
Abstract 在本文提出了一種基於子監督方式的人臉關鍵點挖掘的方法。傳統方法絕大多數使用原始配對後的面部特徵和關鍵點數據，並假設他們是均勻分佈的，然而這個假設在現實世界是hold不住的，而且會導致在浪費了大量訓練資源的情況下依然失敗。爲
2021-11-15 12:54:14