香港大学等机构提出学习点云内蕴结构表示的非监督学习新方法 - OFweek 人工智能网

当前位置： OFweek 人工智能网 > 云计算 > 正文

香港大学等机构提出学习点云内蕴结构表示的非监督学习新方法

2020-05-14 11:54

下图还显示了抽取的特征与概率图的加权结果，下图显示了二维情况下的t－SNE结果，可以看到四类不同目标点云的嵌入空间在16个结构点下对应的语义分类结果，学习到的特征具有显著的聚类特性，同时还具有对成分布的特征，这主要是由于PointNet＋＋不具有对称不变性，添加对成不变性损失也是未来改进的方向之一：

为了验证模型对于不同密度输入点云的鲁棒性，研究人员分别输入了256，1024，2048，4096数量的点云，下图中第一行的彩色点表示了16个结构点，第二行是1024个稠密结构点，显示了模型对于不同输入密度的鲁棒性：

此外对于非均匀分布的点云（上）和真实情况下包含很多噪声的扫描点（下）都具有良好的性能：

<上一页 1 2 3

本地收藏打印推荐给朋友

声明： 本文由入驻维科号的作者撰写，观点仅代表作者本人，不代表OFweek立场。如有侵权或其他问题，请联系举报。

发表评论

共0条评论，0人参与

立即登录即可访问所有OFweek服务

忘记密码

其他方式

请输入评论内容...

请输入评论/评论长度6~500个字

暂无评论

暂无评论

图片新闻

最新活动更多

一周热点月点击榜

企业服务广告服务猎头服务薪酬报告

人工智能猎头职位更多

扫码关注公众号
OFweek人工智能网
获取更多精彩内容

文章纠错

x

_*文字标题：

_*纠错内容：

联系邮箱：

_*验证码：

看不清，点击换一张

粤公网安备 44030502002758号