PointNet: глубокое обучение на множествах точек для 3D-классификации и сегментации

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
Hao Su, Leonidas Guibas, Raffaelli Charles, Kaichun Mo, Hao Su, Leonidas J. Guibas
2017-07-01

3D-классификация и сегментацияPointNetинвариантность к перестановкеоблачко точексемантический разбор сцены
Облачко точек является важным типом геометрической структуры данных. Из-за своей нерегулярной формы большинство исследователей преобразует такие данные в регулярные 3D-воксельные сетки или наборы изображений. Это, однако, делает данные излишне объёмными и вызывает проблемы. В этой работе мы разрабатываем новый тип нейронной сети, который напрямую обрабатывает облака точек и учитывает перестановочную инвариантность точек во входе. Наша сеть, называемая PointNet, предоставляет унифицированную архитектуру для приложений, варьирующих от классификации объектов и сегментации частей до семантического парсинга сцены. Несмотря на простоту, PointNet обладает высокой эффективностью и результативностью. Эмпирически она демонстрирует сильные показатели, сопоставимые или даже превосходящие современные методы. Теоретически мы проводим анализ, направленный на понимание того, что сеть изучила и почему она устойчива к возмущениям и повреждению входных данных.
1
Прямая обработка точечных облаков избегает преобразования данных в воксельные сетки или изображения, уменьшая избыточный объём данных и связанные проблемы.
2
PointNet — новая архитектура нейронной сети, которая напрямую обрабатывает неупорядоченные 3D-точечные облака с учётом инвариантности к перестановке входных точек.
3
PointNet вычислительно эффективен и эмпирически показывает результаты не хуже или лучше современных методов.
4
PointNet предоставляет унифицированную архитектуру, применимую к классификации объектов, сегментации частей и семантическому разбору сцен на точечных облаках.
5
В статье приводится теоретический анализ, объясняющий, что изучает PointNet и почему он устойчив к возмущениям и повреждению входных данных.

Облака точек (множества 3D-точек)

Глубокая нейронная архитектура (PointNet), напрямую обрабатывающая облака точек с учётом инвариантности к перестановке, и её эффективность для 3D-классификации объектов, сегментации частей и семантического парсинга сцен, а также теоретический анализ устойчивости к возмущениям и повреждениям входных данных

Publication Details
Publication Date
2017-07-01
Journal
Publisher
ISSN
Cited by
9412
Access Type
Author Information
Authors
Hao Su
Leonidas Guibas
Raffaelli Charles
Kaichun Mo
Hao Su
Leonidas J. Guibas
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%