Classifying point clouds at the facade-level using geometric features and deep learning networks

要約

ファサードの詳細を備えた 3D 建築モデルは、現在多くのアプリケーションで重要な役割を果たしています。
このような現実世界のデジタル レプリカを作成するには、ファサード レベルで点群を分類することが重要です。
ただし、ディープ ニューラル ネットワークを使用したこのような詳細な分類に焦点を当てた研究はほとんどありません。
我々は、ファサードレベルでの点群分類のために幾何学的特徴と深層学習ネットワークを融合する方法を提案します。
私たちの実験では、このような早期融合機能により深層学習手法のパフォーマンスが向上すると結論づけています。
この方法は、局所的な幾何学的情報を取得する深層学習ネットワークの能力を補い、セマンティック セグメンテーションの進歩を促進するために適用できます。

要約(オリジナル)

3D building models with facade details are playing an important role in many applications now. Classifying point clouds at facade-level is key to create such digital replicas of the real world. However, few studies have focused on such detailed classification with deep neural networks. We propose a method fusing geometric features with deep learning networks for point cloud classification at facade-level. Our experiments conclude that such early-fused features improve deep learning methods’ performance. This method can be applied for compensating deep learning networks’ ability in capturing local geometric information and promoting the advancement of semantic segmentation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google