RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds CVPR 论文笔记 2020

牛津大学,国防科技大学 代码:地址 更加详细的论文翻译:地址 本文提出轻量级高效的大规模点云语义分割算法:RandLA-Net。其单次可处理 1 0 6 10^6 106个点,速度相较于基于图的SPG方法快了200倍,且内存占用较小,语义分割精度SOTA。 现有方法均不能处理大规模的点云数据,局限在较小规模的场景和点云数据上,作者认为主要原因有: 点云采样方法计算量大,内存占用高(这个是主因,除了
相关文章
相关标签/搜索