Qingyong Hu
収録論文 10本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- SOAR: UAV向け回帰ベースLiDAR再位置推定自己位置推定2026/2/1
UAVの任意姿勢・不規則飛行経路に対応する回帰ベースLiDAR再位置推定フレームワークSOARを提案し、大規模UAV LiDARデータセットを構築して従来手法を大幅に上回る精度を実現した。
- メタサンプラー:点群のためのほぼ汎用的かつタスク指向のサンプリング点群サンプリング2022/3/1
複数のタスクやモデルにまたがって学習できるメタサンプラーを提案し、タスクごとの再学習コストを抑えつつ、下流タスクに有用な点を保持するサンプリングを実現した。
- 全ての点は平等ではない:3D LiDAR点群のための高効率な点ベース検出器の学習3D物体検出2022/3/1
物体検出に重要な前景点を学習的に選別する2つのダウンサンプリング戦略と文脈的中心推定を導入し、エンコーダのみの構成で80FPS超を達成した単一ステージ3D LiDAR検出器IA-SSDを提案した。
- SensatUrban: 都市規模の写真測量点群から意味を学習する点群セマンティックセグメンテーション2022/1/1
英3都市・7.6km²・約30億点のUAV写真測量点群に細粒度の意味ラベルを付与した大規模データセットを構築し、最先端セグメンテーション手法のベンチマークと課題分析を行った。
- ランダムサンプリングによる大規模3D点群の効率的なセマンティックセグメンテーション3D点群セグメンテーション2021/7/1
複雑な点選択の代わりにランダムサンプリングと局所特徴集約を組み合わせ、大規模3D点群を高速かつ高精度にセマンティックセグメンテーションするRandLA-Netを提案した論文。
- SQN: 大規模3D点群の弱教師ありセマンティックセグメンテーション3D点群セグメンテーション2021/4/1
局所近傍の点群が持つ意味的均一性を利用し、わずか0.1%のランダム注釈点で大規模3D点群を高精度にセグメンテーションする弱教師あり手法SQNを提案した。
- SpinNet:3D点群位置合わせのための汎用表面記述子の学習点群位置合わせ2020/11/1
局所表面を円筒空間に変換しSO(2)同変な特徴抽出を行うことで、回転不変かつ情報量の多い3D局所記述子を学習する手法を提案し、屋内・屋外データセットで既存手法を大きく上回る性能と異なるセンサ間での高い汎化性能を示した。
- 都市規模3D点群のセマンティックセグメンテーションに向けて:データセット・ベンチマーク・課題3D点群セグメンテーション2020/9/1
英3都市の約7.6km²をカバーする約30億点の都市規模写真測量点群データセットを構築し、13クラスの注釈を付与して最先端手法を評価した。
- 3D点群のための深層学習:サーベイ3D点群2019/12/1
3D点群に対する深層学習手法の近年の進展を、形状分類・物体検出/追跡・セグメンテーションの3タスクにわたって包括的にレビューし、公開データセットでの比較結果と今後の研究方向を示したサーベイ論文。
- 3D-BoNet:点群上の3Dインスタンスセグメンテーションのための物体バウンディングボックス学習3Dインスタンスセグメンテーション2019/6/1
点群の各インスタンスに対して3Dバウンディングボックスと点マスクを直接回帰する単一ステージ・アンカーフリーの手法を提案し、後処理不要で高効率かつ高精度を実現した。
