Computer Vision108 [2025-1] 유경석 - XprospeCT: CT Volume Generation from Paired X-Rays https://arxiv.org/abs/2403.00771 XProspeCT: CT Volume Generation from Paired X-RaysComputed tomography (CT) is a beneficial imaging tool for diagnostic purposes. CT scans provide detailed information concerning the internal anatomic structures of a patient, but present higher radiation dose and costs compared to X-ray imaging. In this paarxiv.org AbstractComputed tomography (CT) : 해부학적 구조를 반영한 d.. 2025. 3. 14. [2025-1] 황징아이 - Dynamic Routing Between Capsules NIPS 2017년 논문저자 : Sara Sabour, Nicholas Frosst, Geoffrey E. Hinton논문 : https://arxiv.org/pdf/1710.09829 2017년 Google Brain의 Geoffrey E. Hinton이 발표한 Object Recognition 분야의 새로운 접근방법을 제안한 논문이다. 기존의 Object Recognition모델들은 Convolution Network를 기반으로 설계되어있다. Convolution Network는 feature extracting - max pooling 로 이루어져있다. 여기서 maxpooling의 정보손실 문제를 지적하며 CapsuleNet를 소개했다. 1. 개념이해Invariance vs. Equivarianc.. 2025. 3. 8. [2025-1]전윤경 - VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection IntroductionVoxelNet : 포인트 클라우드에서 판별적인 특징 표현을 학습하는 동시에 정확한 3D 바운딩 박스를 end-to-end 학습이 가능한 통합 3D 탐지 네트워크(LiDAR만을 이용한 탐지)포인트 클라우드를 일정한 간격의 3D 복셀로 나눔복셀 특징 인코딩(VFE) 레이어를 활용 -> 각 복셀 내의 포인트 그룹을 통합된 특징 표현으로 변환RPN(효율적인 객체 탐지를 위한 최적화된 알고리즘)과 연결되어 탐지를 수행VoxelNet 특징 학습 네트워크(Feature learning network)합성곱 중간 계층(Convolutional middle layers)영역 제안 네트워크(Region proposal network, RPN)1. Feature learning network복셀 분.. 2025. 3. 7. [2025-1] 임수연 - SPVNAS https://arxiv.org/abs/2007.16100 Searching Efficient 3D Architectures with Sparse Point-Voxel ConvolutionSelf-driving cars need to understand 3D scenes efficiently and accurately in order to drive safely. Given the limited hardware resources, existing 3D perception models are not able to recognize small instances (e.g., pedestrians, cyclists) very well due toarxiv.org안녕하세요, 이번 글에서는 Searching Eff.. 2025. 3. 7. 이전 1 2 3 4 5 6 ··· 27 다음
