PointFlowHop：从连续点云进行绿色且可解释的场景流估计
计算机视觉与模式识别
2023-03-01 v1
摘要
本文提出了一种高效的 3D 场景流估计方法，称为 PointFlowHop。PointFlowHop 接收两个连续的点云，并为第一个点云中的每个点确定 3D 流向量。PointFlowHop 将场景流估计任务分解为一组子任务，包括自运动补偿、目标关联和逐目标运动估计。它遵循绿色学习（GL）流程并采用前馈数据处理路径。因此，其底层机制比基于网络参数端到端优化的深度学习（DL）解决方案更透明。我们在 stereoKITTI 和 Argoverse LiDAR 点云数据集上进行了实验，并证明 PointFlowHop 以较小的模型大小和更少的训练时间优于深度学习方法。此外，我们比较了 PointFlowHop 和其他基于学习的方法在推理时所需的浮点运算次数（FLOPs），并展示了其在计算复杂度上的巨大节省。
引用
@article{arxiv.2302.14193,
title = {PointFlowHop: Green and Interpretable Scene Flow Estimation from Consecutive Point Clouds},
author = {Pranav Kadam and Jiahao Gu and Shan Liu and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2302.14193},
year = {2023}
}
备注
13 pages, 5 figures