针对PointRCNN(3D Object Proposal Generation and Detection from Point Cloud)在面对不规则点云时很难提取出有区别特征的问题,提出了一种Point-ANN(3D Object Proposal Generation and Aggregation Neural Network)的方法。整个框...针对PointRCNN(3D Object Proposal Generation and Detection from Point Cloud)在面对不规则点云时很难提取出有区别特征的问题,提出了一种Point-ANN(3D Object Proposal Generation and Aggregation Neural Network)的方法。整个框架分为2个阶段。第一个阶段是自下而上生成3D建议,第二阶段执行建议的RoI的感知点云汇集操作,对每个3D方案中的点云信息进行分组,并在坐标中改进3D建议。引入RoI感知点云汇集模块来消除点云上进行区域合并时的模糊性,从而更容易地提取出有区别的特征。通过在KITTI数据集上证明了改进的Point-ANN方法相比于其他网络在3D点云目标检测时精度更高。展开更多
提出了一种保持生理特征的交互式人脸编辑方法。采用控制点分层策略,即以用户直接操作的控制点对(称为主控制点对)为输入层,其他控制点对(称为次控制点对)为输出层,建立人工神经网络;然后采用误差反向传播法(Error Back Propagation)学...提出了一种保持生理特征的交互式人脸编辑方法。采用控制点分层策略,即以用户直接操作的控制点对(称为主控制点对)为输入层,其他控制点对(称为次控制点对)为输出层,建立人工神经网络;然后采用误差反向传播法(Error Back Propagation)学习,从而建立主、次控制点之间的约束关系;最后通过输出层将编辑信息在模型中进行插值。该编辑结果可以应用到具有相同拓扑的任意人脸模型上。实验结果表明,采用分层控制的方法不仅保持了编辑操作的方便性、精确性,同时还保持了人脸生理特征的真实性。展开更多
文摘针对PointRCNN(3D Object Proposal Generation and Detection from Point Cloud)在面对不规则点云时很难提取出有区别特征的问题,提出了一种Point-ANN(3D Object Proposal Generation and Aggregation Neural Network)的方法。整个框架分为2个阶段。第一个阶段是自下而上生成3D建议,第二阶段执行建议的RoI的感知点云汇集操作,对每个3D方案中的点云信息进行分组,并在坐标中改进3D建议。引入RoI感知点云汇集模块来消除点云上进行区域合并时的模糊性,从而更容易地提取出有区别的特征。通过在KITTI数据集上证明了改进的Point-ANN方法相比于其他网络在3D点云目标检测时精度更高。
文摘提出了一种保持生理特征的交互式人脸编辑方法。采用控制点分层策略,即以用户直接操作的控制点对(称为主控制点对)为输入层,其他控制点对(称为次控制点对)为输出层,建立人工神经网络;然后采用误差反向传播法(Error Back Propagation)学习,从而建立主、次控制点之间的约束关系;最后通过输出层将编辑信息在模型中进行插值。该编辑结果可以应用到具有相同拓扑的任意人脸模型上。实验结果表明,采用分层控制的方法不仅保持了编辑操作的方便性、精确性,同时还保持了人脸生理特征的真实性。
基金supported by the National Natural Science Foundationof China(20605003)National High Tech Project(2006AA02Z337)SRF for ROCS,and the“Special Funding for the Talent Enrollment”of Beijing University of Chemical Technology~~
