亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

研究了大規模三維點云的有效語義分割問題。通過依賴昂貴的采樣技術或繁重的計算預處理/后處理步驟，大多數現有的方法只能在小規模點云上進行訓練和操作。在這篇文章中，我們介紹了一種高效的輕量級神經結構——RandLA-Net，它可以直接推斷大規模點云的每點語義。我們的方法的關鍵是使用隨機點抽樣而不是更復雜的點選擇方法。雖然隨機抽樣具有很高的計算效率和內存效率，但它也會隨機地丟棄一些關鍵特性。為了克服這個問題，我們引入了一個新的局部特征聚合模塊，逐步增加每個3D點的接受域，從而有效地保留幾何細節。大量實驗表明，我們的RandLA-Net單次可以處理100萬個點，速度比現有方法快200倍。此外，我們的RandLA-Net在語義分割的兩個大規模基準上明顯超過了最先進的方法Semantic3D和SemanticKITTI。