Domain Knowledge/Computer Vision9 [paper] LiM3D (2023/03) 오역, 의역, 생략 및 제 맘대로 해석한 글임에 주의. 논문 정보 :https://arxiv.org/abs/2303.11203Less is More: Reducing Task and Model Complexity for 3D Point Cloud Semantic Segmentation Abstract최근 몇 년간 3D LiDAR Point Cloud data의 가용성은 크게 증가했지만, Annotation은 여전히 시간이 많이 들기에, semi-supervised learning을 적용하기도 한다.기존의 방법들에서는 Ground Truth를 줄이기 위해 uniform sampling을 사용하지만, 성능을 하락시키기도 한다.이런 문제를 해결하기 위해, 우리는 더 작은 아키텍처를 사용하는 새로운 파이프라인을.. 2026. 5. 20. [paper] Guided Point Contrastive Learning (2021/10) 오역, 의역, 생략 및 제 맘대로 해석한 글임에 주의. 논문 정보 :https://openaccess.thecvf.com/content/ICCV2021/papers/Jiang_Guided_Point_Contrastive_Learning_for_Semi-Supervised_Point_Cloud_Semantic_Segmentation_ICCV_2021_paper.pdf Guided Point Contrastive Learning for Semi-supervised Point Cloud Sementic Segmentatoin Abstract 3D sementic segmentation은 학습에 대규모의 annotated data를 필요로 하는 DNN의 발전과 아주 밀접하다. 3D Point에 labeling하.. 2026. 5. 16. [paper] FIDNet 오역, 의역, 생략 및 제 맘대로 해석한 글임에 주의.논문 정보 :https://arxiv.org/pdf/2109.03787 FIDNet: LiDAR Point Cloud Semantic Segmentation with Fully Interpolation Decoding AbstractRangeNet++와 SalsaNext에서의 방식과 같이, Point Cloud를 Spherical Range Image에 projection하는 방식은, 우리가 해결하려는 3D LiDAR의 sementic segmentation 문제를, 범위 이미지에서의 2D segmentation을 하는 문제로 바꾸어 준다.하지만 이러한 2D를 통한 접근 방식은, 본질적으로 3D의 접근 방식과는 고유한 기하학적 정보가 다르다. 본 .. 2026. 5. 3. [paper] RandLa-Net (2019/11) 오역, 의역, 생략 및 제 맘대로 해석한 글임에 주의.논문 정보 : https://arxiv.org/pdf/1911.11236 Point Cloud의 대규모 semantic segmentation을 위해, Random Sampling 기반의 경량 네트워크인 RandLA-Net을 제안한 논문이다.기존의 복잡한 sampling/neighbor search 대신 RANDom sampling을 사용하면서도, Local feature Aggregation module을 통해 중요한 기하학적 정보를 효과적으로 보존한다.Attention-based local feature pooling을 통해 sparse하고 비균일한 point cloud에서도 중요한 구조적 특징을 강조할 수 있으며, 메모리 효율성과 속도를 크게 개.. 2026. 4. 26. [paper] KPConv (Kernel Point Convolution) (2019) 오역, 의역, 생략 및 제 맘대로 해석한 글임에 주의.논문 정보 : https://arxiv.org/pdf/1904.08889 KPConv는 point cloud에 직접 커널 포인트를 배치해 convolution을 수행하는 방법을 제안한 모델이다.고정된 격자 대신, 공간 상의 kernel point를 중심으로 이웃 점들의 특징을 가중합하여 local 기하학적 구조를 효과적으로 반영한다.Rigid Kernel을 쓸 수도 있지만, Deformable Kernel을 도입해 데이터에 따라 커널 위치를 학습함으로써 더 유연한 표현이 가능하다.Classification과 Segmentation 등 다양한 point cloud task에서 높은 성능을 보인다.KPConv: Flexible and Deformable .. 2026. 4. 25. [paper] DGCNN (Dynamic Graph CNN) (2018/01) 오역, 의역, 생략 및 제 맘대로 해석한 글임에 주의.논문 정보 : https://arxiv.org/pdf/1801.07829graph를 만들어서 학습하겠다. graph CNN 구조에 EdgeConv라는 layer 모듈을 적용한, DGCNN을 제안한 논문이다.Point Cloud에서 Classification, Segmentation에서 준수한 성능을 보여줬다.Point Cloud에 graph CNN을 적용함에도, permutation invariant를 유지하고, local한 기하학적 특징과 global한 기하학적 특징을 모두 포착할 수 있다.Dynamic Graph CNN for Learning on Point CloudsY. Wang et al., 2019Abstact Point Cloud는 Com.. 2026. 4. 25. 이전 1 2 다음
