人工智能培训

搜索

论文代码开源:GANS的在线适应性课程学习(Online Adaptative Curriculum Learning for GANs)

[复制链接]
admin 发表于 2018-8-11 12:42:58 | 显示全部楼层 |阅读模式
admin 2018-8-11 12:42:58 400 0 显示全部楼层
人工智能论文代码开源:GANS的在线适应性课程学习(Online Adaptative Curriculum Learning for GANs)请注意该人工智能论文代码开源在github,大部分是python写的,框架可能是tensorflow或者pytorch。形状完成,从部分观察中估计物体的完整几何形状的问题,是许多视觉和机器人应用的核心。在这项工作中,我们提出了点完成网络(PCN),这是一种基于新颖的基于学习的形状完成方法。与现有的形状完成方法不同,PCN直接在原始点云上操作而没有关于基础形状的任何结构化(例如对称性)或注释(例如语义类)。它采用解码器设计,可在保持少量参数的同时生成细粒度完井。 Ourexperiments显示PCN产生密集,完整的点云,输入中缺失区域的实际结构具有不同程度的不完整性和噪声,包括来自KITTI数据集中LiDAR扫描的汽车。
Shape completion, the problem of estimating the complete geometry of objectsfrom partial observations, lies at the core of many vision and roboticsapplications.In this work, we propose Point Completion Network (PCN), a novellearning-based approach for shape completion.Unlike existing shape completionmethods, PCN directly operates on raw point clouds without any structuralassumption (e.g. symmetry) or annotation (e.g. semantic class) about theunderlying shape.It features a decoder design that enables the generation offine-grained completions while maintaining a small number of parameters.Ourexperiments show that PCN produces dense, complete point clouds with realisticstructures in the missing regions on inputs with various levels ofincompleteness and noise, including cars from LiDAR scans in the KITTI dataset.论文代码开源:GANS的在线适应性课程学习(Online Adaptative Curriculum Learning for GANs) icR0NJKCxCLC4ZXD.jpg
URL地址:https://arxiv.org/abs/1808.00671v2     ----pdf下载地址:https://arxiv.org/pdf/1808.00671v2    ----         ----github下载地址:https://github.com/TonythePlaneswalker/pcn    ----    论文代码开源:GANS的在线适应性课程学习(Online Adaptative Curriculum Learning for GANs)请注意该人工智能论文代码开源在github,大部分是python写的,框架可能是tensorflow或者pytorch,keras,至于具体是哪一个没有完全测试。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则 返回列表 发新帖

admin当前离线
管理员

查看:400 | 回复:0

快速回复 返回顶部 返回列表