تقسیم بندی گاوسی سه بعدی با هدایت دو بعدی و بدون زحمت: نتیجه گیری و مراجع

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

5. نتیجه گیری

ما یک روش تقسیم‌بندی گاوسی سه بعدی را پیشنهاد می‌کنیم که توسط نقشه‌های تقسیم‌بندی دوبعدی هدایت می‌شود، و یک بردار توزیع احتمال را برای هر گاوسی سه‌بعدی در دسته‌های مختلف ضمیمه می‌کنیم تا بخش‌بندی اکثر گاوسی‌های سه‌بعدی را در صحنه فعال کنیم. در همین حال، ما از خوشه‌بندی KNN برای استفاده از تداوم فضایی اشیاء استفاده می‌کنیم و اطمینان حاصل می‌کنیم که گاوسی‌های سه بعدی نزدیک به همان دسته تعلق دارند. علاوه بر این، از فیلتر آماری اختیاری برای کمک به حذف آن دسته از گاوس های سه بعدی که به اشتباه تقسیم شده اند استفاده می شود. به عنوان گام اولیه در درک و ویرایش سه بعدی، این روش دارای طیف گسترده ای از …

Source link