2020年2月21日
[论文笔记]RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds
摘要： 针对目前点云分割存在速度慢、显存需求大的问题，该文提出以一种高效率学习的方法。从论文的结果来看，该文不仅在计算时间和计算资源上大幅缩减，分割效果也是达到甚至超过了SOTA。 采样 大规模点云处理的一个挑战在于如何快速且有效地进行采样，从而加速应用所需的时间和计算资源。针对这个问题，本文的一个贡献在于 阅读全文
posted @ 2020-02-21 17:19 拎壶冲AR 阅读(1654) 评论(0) 推荐(0) 编辑