3D 물체 분류를 위한 국소 이웃 특징
국소 이웃 점들 간의 거리와 방향 벡터를 추가적인 특징으로 활용하면 3D 물체 분류 성능을 향상시킬 수 있다.
점구름의 해상도 스케일러블 3D 의미 분할
제안된 RESSCAL3D 방법은 점구름 데이터의 해상도 스케일러블 3D 의미 분할을 가능하게 하며, 기존 방법보다 31-62% 빠른 추론 속도를 달성하면서도 성능 저하를 최소화한다.
실시간 고성능 3D 공간 점유 예측
기존 방식들은 밀집된 3D 특징을 사용하여 계산 비용이 높았지만, 본 연구에서 제안하는 SparseOcc는 완전히 희소한 3D 표현을 사용하여 실시간 성능을 달성하면서도 최신 수준의 정확도를 보여줍니다.
고품질 NeRF를 위한 Segment Anything 모델
본 연구는 Segment Anything 모델(SAM)과 Neural Radiance Field(NeRF)를 결합하여 복잡한 장면에서 높은 정확도와 일관성을 가진 3D 객체 분할을 달성하는 새로운 프레임워크인 SANeRF-HQ를 제안한다.
2D 픽셀을 3D 공간에서 추적하는 SpatialTracker
2D 픽셀을 3D 공간에서 추적하여 복잡한 3D 움직임과 가림 현상을 효과적으로 처리할 수 있는 방법을 제안한다.
3D 장면 분할을 위한 비모수 네트워크 활용: 적은 데이터로도 효과적인 분할 가능
적은 양의 학습 데이터로도 효과적인 3D 장면 분할을 수행할 수 있는 비모수 네트워크 기반의 접근법을 제안한다.
장기 장면 흐름 추정을 위한 SceneTracker 네트워크
본 연구는 RGB-D 비디오에서 쿼리 픽셀/포인트의 3D 궤적을 온라인으로 동시에 포착할 수 있는 새로운 작업인 장기 장면 흐름 추정(LSFE)을 다룹니다. 제안하는 SceneTracker 네트워크는 반복적인 접근법을 채택하여 최적의 궤적을 근사화하고, 외관 및 깊이 상관관계 특징을 동적으로 색인 및 구축하며, Transformer를 사용하여 궤적 내부와 간의 장기 연결을 탐색하고 활용합니다.
열린 어휘 3D 물체 분할
SOLE은 3D 포인트 클라우드에서 직접 의미 관련 마스크를 생성하여 열린 어휘 3D 물체 분할을 실현합니다.
개방형 3D 장면 그래프: 점 구름에서 쿼리 가능한 객체와 개방형 관계를 가진 3D 장면 그래프
본 연구는 레이블된 데이터셋 없이도 3D 점 구름에서 개방형 3D 장면 그래프를 학습하는 새로운 접근법을 제안한다. 이를 위해 강력한 개방형 2D 비전-언어 기반 모델의 특징을 3D 그래프 신경망에 증류하여, 개방형 객체 클래스와 개방형 관계를 예측할 수 있다.
3D 포인트 클라우드 이해를 위한 기하학적 기반 집계 기법
기하학적 구조를 활용하여 2D 비전-언어 모델 표현을 3D 포인트에 효과적으로 전달하는 집계 기법을 제안한다.
© 2024 by Linnk AI