面向领域无关点云识别的 3D 自适应结构卷积网络
计算机视觉与模式识别
2024-10-23 v4 人工智能
摘要
在自主驾驶车辆中针对点云数据识别进行深度学习网络适配, 由于数据集和传感器技术的差异性, 面临着在不同条件下保持准确性的挑战, 这凸显了需要自适应技术来维持准确性的重要性。本文引入了 3D 自适应结构卷积网络 (3D-ASCN), 这是一个用于 3D 点云识别的前沿框架。它结合了 3D 卷积核、结构树结构和自适应邻域采样, 以有效地提取几何特征。该方法获取领域无关特征, 并在多种点云数据集上表现出稳健且可适应的性能, 确保在 diverse sensor configurations without the need for parameter adjustments. 这凸显了其显著提升自主驾驶车辆技术可靠性和效率的潜力。
关键词
引用
@article{arxiv.2407.04833,
title = {3D Adaptive Structural Convolution Network for Domain-Invariant Point Cloud Recognition},
author = {Younggun Kim and Beomsik Cho and Seonghoon Ryoo and Soomok Lee},
journal= {arXiv preprint arXiv:2407.04833},
year = {2024}
}
备注
11 pages, 3 figures