CNN|5篇关于3D 卷积的最新论文推荐( 二 ) 深度学习

5、Interpolation-Aware Padding for 3D Sparse Convolutional Neural Networks(arXiv)https://arxiv.org/pdf/2108.06925
Yu-Qi Yang Peng-Shuai Wang Yang Liu
从3D输入中生成稀疏的非空voxels 的Sparse voxel-based CNN 被广泛应用于各种三维视觉任务。论文提出了一种简单而有效的填充方案——插值感知填充，在非空voxels 的附近填充一些空voxels，并将它们包含在3D CNN计算中，这样当通过三线性插值计算点向特征时，所有邻近体素都存在。对于点特征至关重要的细粒度三维视觉任务，如语义分割和三维检测，比使用最近邻插值或具有零填充或八叉树的归一化三线性插值的现有网络实现更高的预测精度-填充方案。通过对各种 3D 分割和检测任务的广泛比较，证明了 3D 稀疏 CNN 与的论文填充方案结合特征插值的优越性
https://avoid.overfit.cn/post/93d66d92ca934caabde02d97e2effaeb
【CNN|5篇关于3D 卷积的最新论文推荐】作者：MonoDeep