点群処理
深層学習を用いた三次元点群処理入門
はい、神
3D形状を人間が解釈可能なパラメータ空間にマッピングし、点群やスケッチ入力から復元した3次元形状を直感的に編集することができる
OmniObject3D: Large-Vocabulary 3D Object Dataset for Realistic Perception, Reconstruction and Generation
主に点群処理/LiDAR SLAMに関する研究をしている産総研小出さんが可視化用ライブラリを公開している
3Dの点群生成
3Dに自動テクスチャリング
DreamTexture 0.0.9
Text to 3D
2022年では、Point-E
@OpenAI
(テキスト→点群)、DreamFusion
@GoogleAI
(テキスト→NeRF)、Get3D
@NVIDIAAI
(テキスト -> SDF)がある。
しかし、映画やVR、ゲーム業界では、より複雑なオブジェクト、マテリアル、テクスチャの3Dが求められる。
産業用点群のセマンティックセグメンテーションのラベル効率化のために弱教師ありセマンティックセグメンテーション (WSSS) を導入。自己トレーニング (ST) モジュールを新たに提案。PSNet5データセットにおいてわずか1%の教師データで従来モデルResPointNet++のmIoUに匹敵。
自治体発 点群オープンデータまとめ
Deep Learning for 3D Point Clouds: A Survey
3D DNN
【Pointformer論文まとめ】点群の処理へのTransformerの導入
三次元点群を取り扱うニューラルネットワークのサーベイ
点群データにおける表現学習
Learning to Estimate 3D Human Pose from Point Cloud
SegPoint: 大規模言語モデルを活用した3Dポイントクラウドセグメンテーションの新時代
PointLLM: Empowering Large Language Models to Understand Point Clouds
3次元点群を利用した植物の葉の自動セグメンテーションについて
第83回 産総研人工知能セミナー 「点群処理におけるAI技術の応用」
３次元計測技術の発展により、我々の生活する実環境を高密度な点の集合、いわゆる点群として計算機上に忠実に再現できるようになりました。この計測技術は、自動運転、i-Construction、スマート林業など、様々な業界DXを支援する基盤情報としての活用が期待されています。本講演では、３次元点群処理にAI技術を積極的に活用されている３名の先生方にご登壇いただき、点群処理の概要ならびに点群処理へのAI技術活用方法、画像を併用した深層学習による点群中の物体認識手法、さらに3D点群データを対象とした深層学習技術の発展について紹介いたします。
----------------------------------
＜基本情報＞
【名称】
第83回 産総研人工知能セミナー
「点群処理におけるAI技術の応用」
【日時】 2025年3月7日（金）13:00 – 15:00
【定員】 500名
【会場】 Zoomウェビナーによるオンライン開催
※お申し込み後、自動配信されるメールにて会場URLをご案内いたします。
【接続可能時間】12:50 - 15:00
【プログラム】
13:00 - 13:40
点群処理とAI 技術
増田 宏 (電気通信大学 教授)
概要：
点群処理の概要について説明した後，点群処理にAI 技術をどう使われるかについて解説する．また，点群処理にAI を利用した応用事例についても紹介する．
13:40 - 14:20
画像を併用した点群中の物体認識
溝口 知広（山口東京理科大学 教授）
概要：
3次元計測技術の発展により，我々の生活する実環境を点群として計算機上に忠実に再現できるようになりました．この計測技術は，自動運転，i-Construction，スマート林業など，様々な業界DXを支援する基盤情報としての活用が期待されています．計測点群を有効活用する上で必須の技術に，点群中に存在する個々の物体を探し出し，その位置とクラスを特定する物体認識があります．近年では，点群を直接処理可能な深層学習手法に関する研究成果も多数報告されていますが，形状と詳細なテクスチャを併せ持つ画像を併用する方法も有効な手段です．本講演では，画像を併用した深層学習による点群中の物体認識手法について解説します。
14:20 – 15:00
深層学習を用いた点群解析技術の発展
古屋 貴彦 (山梨大学 准教授)
概要：
3D点群データの解析は自動運転車やロボティクス，インフラ維持，防災など幅広い分野で重要な技術である．本セミナーでは，3D点群データを対象とした深層学習技術の発展について概説する．3D点群データをDNNで処理する上での課題と基本的な処理方式，効果的な形状特徴抽出のためのDNN構造の進化（PointNetからTransformerまで），およびこれらDNNを効果的に訓練する最新アプローチ（自己教師あり学習やクロスモーダル学習）を解説する．
3D Registration in 30 Years: A Survey
点群処理Backbone Networkと点群の事前学習/表現学習