تقسیم بندی گاوسی سه بعدی با هدایت دو بعدی و بدون زحمت: رندرینگ و اطلاعات معنایی

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. روش

با توجه به یک صحنه خوب آموزش دیده با استفاده از نمایش سه بعدی گاوسی، تصاویر رندر صحنه، و پارامترهای دوربین مربوطه، ما در ابتدا از یک مدل تقسیم بندی دو بعدی تعاملی استفاده کردیم. [23] برای بخش بندی تصاویر رندر شده سپس، نقشه‌های تقسیم‌بندی دوبعدی به‌دست‌آمده به‌عنوان راهنمایی برای تسهیل یادگیری اطلاعات معنایی (کد شی) اضافه‌شده به گاوسی‌های سه‌بعدی استفاده می‌شوند. در نهایت، ما از خوشه‌بندی KNN برای پرداختن به مسائل ابهام معنایی در گاوسی‌های سه بعدی خاص استفاده می‌کنیم، در حالی که فیلتر آماری اختیاری می‌تواند به حذف آن دسته از گاوس‌های سه بعدی که به اشتباه تقسیم‌بندی شده‌اند، کمک کند. خط لوله …

Source link