Zobrazeno 1 - 7
of 7
pro vyhledávání: '"Cheng, Silin"'
We tackle the challenging problem of Open-Set Object Detection (OSOD), which aims to detect both known and unknown objects in unlabelled images. The main difficulty arises from the absence of supervision for these unknown classes, making it challengi
Externí odkaz:
http://arxiv.org/abs/2412.09229
Publikováno v:
IEEE Transactions on Image Processing, vol. 30, pp. 4436-4448, 2021
Learning intra-region contexts and inter-region relations are two effective strategies to strengthen feature representations for point cloud analysis. However, unifying the two strategies for point cloud representation is not fully emphasized in exis
Externí odkaz:
http://arxiv.org/abs/2112.04903
Recently, 3D shape understanding has achieved significant progress due to the advances of deep learning models on various data formats like images, voxels, and point clouds. Among them, point clouds and multi-view images are two complementary modalit
Externí odkaz:
http://arxiv.org/abs/2109.01291
Autor:
He, Xinwei a, 1, Cheng, Silin b, 1, Liang, Dingkang b, 1, Bai, Song c, Wang, Xi d, Zhu, Yingying b, ⁎
Publikováno v:
In Pattern Recognition July 2024 151
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Learning 3D representations by fusing point cloud and multi-view data has been proven to be fairly effective. While prior works typically focus on exploiting global features of the two modalities, in this paper we argue that more discriminative featu
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::66345788c0608e21e1a2e1279705cd24
http://arxiv.org/abs/2109.01291
http://arxiv.org/abs/2109.01291