2021 IEEE/CVF International Conference on Computer Vision (ICCV)· 2021
Nokta Transformatörü
Point Transformer
- 2.219atıf
- 2021yıl
Kısa özet
3B nokta bulutu işlemesi için öz-dikkat mekanizmalarını kullanan yeni bir 'Nokta Transformatörü' mimarisi, anlamsal sahne segmentasyonu gibi görevlerde son teknoloji sonuçlar elde ediyor.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- 3B nokta bulutu işlemesi için öz-dikkat tabanlı yeni bir mimari olan Nokta Transformatörü'nü tanıtıyor.
- Anlamsal sahne segmentasyonu için S3DIS veri kümesinde %70.4 mIoU başarıyor.
- En güçlü önceki modeli 3.3 mutlak yüzde puanıyla geride bırakıyor.
- Bu görevde %70 mIoU eşiğini aşan ilk model oluyor.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Self-attention networks have revolutionized natural language processing and are making impressive strides in image analysis tasks such as image classification and object detection. Inspired by this success, we investigate the application of self-attention networks to 3D point cloud processing. We design self-attention layers for point clouds and use these to construct self-attention networks for tasks such as semantic scene segmentation, object part segmentation, and object classification. Our Point Transformer design improves upon prior work across domains and tasks. For example, on the challenging S3DIS dataset for large-scale semantic scene segmentation, the Point Transformer attains an mIoU of 70.4% on Area 5, outperforming the strongest prior model by 3.3 absolute percentage points and crossing the 70% mIoU threshold for the first time.
Yazarların özeti; kaynağından alınmıştır. 2021 IEEE/CVF International Conference on Computer Vision (ICCV), 2021 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Hesaplamalı Mekanik
Computational MechanicsEngineering