香港大學等機構提出學習點云內(nèi)蘊結構表示的非監(jiān)督學習新方法
2020-05-14 11:54
將門創(chuàng)投
關注
下圖還顯示了抽取的特征與概率圖的加權結果，下圖顯示了二維情況下的t－SNE結果，可以看到四類不同目標點云的嵌入空間在16個結構點下對應的語義分類結果，學習到的特征具有顯著的聚類特性，同時還具有對成分布的特征，這主要是由于PointNet＋＋不具有對稱不變性，添加對成不變性損失也是未來改進的方向之一：
為了驗證模型對于不同密度輸入點云的魯棒性，研究人員分別輸入了256，1024，2048，4096數(shù)量的點云，下圖中第一行的彩色點表示了16個結構點，第二行是1024個稠密結構點，顯示了模型對于不同輸入密度的魯棒性：
此外對于非均勻分布的點云（上）和真實情況下包含很多噪聲的掃描點（下）都具有良好的性能：
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯(lián)系舉報。
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 AI 眼鏡讓百萬 APP「集體失業(yè)」？
- 2 大廠紛紛入局，百度、阿里、字節(jié)搶奪Agent話語權
- 3 深度報告｜中國AI產(chǎn)業(yè)正在崛起成全球力量，市場潛力和關鍵挑戰(zhàn)有哪些？
- 4 一文看懂視覺語言動作模型（VLA）及其應用
- 5 上海跑出80億超級獨角獸：獲上市公司戰(zhàn)投，干人形機器人
- 6 國家數(shù)據(jù)局局長劉烈宏調(diào)研格創(chuàng)東智
- 7 下一代入口之戰(zhàn)：大廠為何紛紛押注智能體？
- 8 百億AI芯片訂單，瘋狂傾銷中東？
- 9 Robotaxi新消息密集釋放，量產(chǎn)元年誰在領跑？
- 10 格斗大賽出圈！人形機器人致命短板曝光：頭腦過于簡單
