每天一分钟,带你读遍机器人顶级会议文章
标题:OctNet: Learning Deep 3D Representations at High Resolutions
作者:Gernot Riegler, Ali Osman Ulusoy, Andreas Geiger
来源:CVPR 2017
编译:李仕杰
播音员:刘畅
欢迎个人转发朋友圈;其他机构或自媒体如需转载,后台留言申请授权
摘要
今天介绍的文章是“OctNet: Learning Deep 3D Representations at High Resolutions”——学习高分辨率的3D数据表示,该文章发表在CVPR 2017。
我们提出了一个用于深度学习的稀疏3D数据表达方式。相比于现存的模型,我们的表达使3D卷积网络能够做的既深又高分辨率。为了这一目标,我们利用输入数据的稀疏性按层次关使用一系列不平衡的八叉树对空间进行划分。八叉树中每一个叶子节点存储着一个池化特征表示。这一表示关注于相关稠密区域的内存分配和计算,并使得更深的网络能够处理更高的分辨率。我们通过分析一些3D任务上的分辨率来展示OctNet的作用,包括3D物体分类,方向估计和点云标注。
如果你对本文感兴趣,想要下载完整文章进行阅读,可以关注【泡泡机器人SLAM】公众号。点击http://rapyuta.org/_media/mohtase14-2.pdf,即可获取英文下载。
泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成,希望大家珍惜我们的劳动成果,转载请务必注明出自【泡泡机器人SLAM】微信公众号,否则侵权必究!同时,我们也欢迎各位转载到自己的朋友圈,让更多的人能进入到SLAM这个领域中,让我们共同为推进中国的SLAM事业而努力!
商业合作及转载请联系liufuqiang_robot@hotmail.com