تقسیم بندی گاوسی سه بعدی با هدایت دو بعدی و سه بعدی: خوشه بندی و فیلترینگ گاوسی

نویسندگان:

(1) کان لان، دانشگاه علم و صنعت چین؛

(2) هائوران لی، دانشگاه علم و صنعت چین؛

(3) هائولین شی، دانشگاه علم و صنعت چین.

(4) Wenjun Wu، دانشگاه علم و صنعت چین.

(5) یونگ لیائو، دانشگاه علم و صنعت چین؛

(6) Lin Wang، AI Thrust، HKUST (GZ)؛

(7) پنگیوان ژو، دانشگاه علم و صنعت چین.

چکیده و 1. مقدمه

2. کارهای مرتبط

3. روش و 3.1. رندر مبتنی بر نقطه و یادگیری معنایی اطلاعات

3.2. خوشه بندی گاوسی و 3.3. فیلتر گاوسی

4. آزمایش کنید

4.1. تنظیمات، 4.2. نتیجه و 4.3. ابلیشن

5. نتیجه گیری و مراجع

3.2. خوشه بندی گاوسی

در طول آزمایش‌ها، مشاهده کردیم که استفاده از نقشه‌های تقسیم‌بندی دوبعدی به عنوان تنها راهنمای یادگیری اطلاعات معنایی سه بعدی ممکن است منجر به عدم دقت در اطلاعات معنایی برخی از گاوسیان سه بعدی شود. این نادرستی ها یا به صورت تقریب گاوسی های سه بعدی به حالت اولیه توزیع یکنواخت در همه دسته ها یا به عنوان احتمالات مشابه در تعداد محدودی از دسته ها ظاهر می شوند. برای پرداختن به این موضوع، و با توجه به اینکه اشیاء به طور پیوسته در فضا توزیع می شوند، فرض می کنیم که هر گاوسی سه بعدی معمولاً باید در یک دسته طبقه بندی شود.

Source link