Computer Vision110 [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. [2025-1] 김유현 - Wasserstein GAN https://arxiv.org/abs/1701.07875 Wasserstein GANWe introduce a new algorithm named WGAN, an alternative to traditional GAN training. In this new model, we show that we can improve the stability of learning, get rid of problems like mode collapse, and provide meaningful learning curves useful for debuggiarxiv.org 1. IntroductionGAN의 목적은 데이터 x의 분포 P(x)를 직접 학습하는 것이 목적이다. P(x)를 매개변수 θ를 사용하여 .. 2025. 2. 28. [2025-1] 전연주 - VoteNet: Deep Hough Voting for 3D Object Detection in Point Clouds 논문 링크: 1904.09664저자:Charles R. Qi (Facebook AI Research)Or Litany (Facebook AI Research)Kaiming He (Facebook AI Research)Leonidas J. Guibas (Facebook AI Research, Stanford University)발행일: 2019. 08. 221. Introduction3D 객체 탐지의 핵심 목표는 3D 장면에서 객체를 찾아(3D 바운딩 박스) 분류(semantic class)하는 것이다. 이미지를 통한 2D 객체 탐지와 달리, 포인트 클라우드(point cloud)는 객체의 정확한 기하학 정보를 직접 제공하므로 조명 변화 등에 강인한 장점이 있다. 하지만 포인트 클라우드는 불규칙(spars.. 2025. 2. 26. 이전 1 2 3 4 5 6 7 ··· 28 다음
