德國亞琛工業(yè)大學提出DualConvMesh-Net更好處理3D網(wǎng)格數(shù)據(jù)
2020-05-09 15:25
將門創(chuàng)投
關注
對于一些具有挑戰(zhàn)的類別也可以正確地進行預測并維持清晰的邊界，比如第二行中的浴簾：
下表還展示了在Matterport3D數(shù)據(jù)上針對不同類別的預測精度，本文提出的方法在絕大多數(shù)類別上也具有良好的預測精度：
最后再展示對應的語義分割結果。這種方法可以有效分離出原始數(shù)據(jù)中沒有標注甚至錯誤標注的區(qū)域（例如最后一行的沙發(fā)被標注成了椅子）：
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯(lián)系舉報。
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 UALink規(guī)范發(fā)布：挑戰(zhàn)英偉達AI統(tǒng)治的開始
- 2 北電數(shù)智主辦酒仙橋論壇，探索AI產(chǎn)業(yè)發(fā)展新路徑
- 3 “AI寒武紀”爆發(fā)至今，五類新物種登上歷史舞臺
- 4 降薪、加班、裁員三重暴擊，“AI四小龍”已折戟兩家
- 5 國產(chǎn)智駕迎戰(zhàn)特斯拉FSD，AI含量差幾何？
- 6 光計算迎來商業(yè)化突破，但落地仍需時間
- 7 東陽光：2024年扭虧、一季度凈利大增，液冷疊加具身智能打開成長空間
- 8 優(yōu)必選：營收大增主靠小件，虧損繼續(xù)又逢關稅，能否乘機器人東風翻身？
- 9 地平線自動駕駛方案解讀
- 10 封殺AI“照騙”，“淘寶們”終于不忍了？
