这是一种为 3D 点云提出的无监督胶囊架构,并且在 3D 点云重构、配准和无监督分类方面优于 SOTA 方法。
理解对象是计算机视觉的核心问题之一。传统方法而言,理解对象任务可以依赖于大型带注释的数据集,而无监督方法已经消除了对标签的需求。近来,研究人员试图将这些方法扩展到 3D 点云问题上,但无监督 3D 学习领域却进展寥寥。
近日,包括 Weiwei Sun、Andrea Tagliasacchi、Geoffrey Hinton 等来自英属哥伦比亚大学、谷歌研究院、多伦多大学的研究者提出了用于 3D 点云的无监督胶囊网络。Hinton 对此表示:在不受监督的情况下找到一个对象的自然组件以及这些组件的内在参照系是学习将解析图像转换为局部整体层级结构的重要一步。如果以点云开始,则可以做到。
艺术品的归类与分析向来以困难著称,只有极少数专业人士拥有发言权,人工智能在...
去年 12 月中旬,申城市民夏先生前往徐汇滨江休闲游玩,当他走入海事塔附近的一...
自从人类以智人的形式在非洲诞生以来,经历了大约50万年的进化历程,人类发展史...
看到一条资讯,Adobe方面表示,于2020年12月31日停止对著名的Flash软件的支持,...
2020年马上就要收尾了,现在AI已经能帮我们做很多事。它可以驾驶汽车,可以制作...
一年的时间,HMS(Huawei Mobile Services)全球注册开发者数量达到180万,超过9...
众所周知手机使用一两年后,就会开始出现卡顿,高配置手机也不例外。对于这种情...
消费者容易出现的三个不良使用习惯: 更换手机后不解绑银行卡或删除敏感信息 删...
当前随着大量投资涌入全球与AI相关的公司,并且每周都有一流研究机构的科学家发...
微软旗下 Azure Quantum 云平台采用了霍尼韦尔的量子计算硬件,以及来自 Honeywe...