GRJointNET: 3B eksik nokta bulutları için sinerjistik tamamlama ve parça bölütleme

Simple item page
buir.contributor.authorGürses, Yiğit
buir.contributor.authorTaşpınar, Melisa
buir.contributor.authorYurt, Mahmut
buir.contributor.authorÖzer, Sedat
dc.citation.epage4en_US
dc.citation.spage1en_US
dc.contributor.authorGürses, Yiğit
dc.contributor.authorTaşpınar, Melisa
dc.contributor.authorYurt, Mahmut
dc.contributor.authorÖzer, Sedat
dc.coverage.spatialIstanbul, Turkeyen_US
dc.date.accessioned2022-02-01T10:33:46Z
dc.date.available2022-02-01T10:33:46Z
dc.date.issued2021-07-19
dc.departmentDepartment of Computer Engineeringen_US
dc.departmentDepartment of Electrical and Electronics Engineeringen_US
dc.descriptionConference Name: 2021 29th Signal Processing and Communications Applications Conference (SIU)en_US
dc.descriptionDate of Conference: 9-11 June 2021en_US
dc.description.abstractÜç boyutlu (3B) nokta bulutları üzerinde bölütleme yapmak, otonom sistemler için önemli ve gerekli bir işlemdir. Bölütleme algoritmalarının başarısı, üzerinde işlem yapılan nokta bulutlarının niteliğine (çözünürlük, tamlık vb.) bağlıdır. Dolayısıyla, nokta bulutundaki mevcut eksiklikler, nokta bulutu tabanlı uygulamaların başarısını düşürmektedir. Bu konuda, güncel bir çalısma olan GRNet, eksik nokta bulutlarını tamamlamaya odaklanan başarılı bir algoritmadır, ancak bölütleme yeteneği yoktur. Biz bu çalışmada, GRNet üzerine geliştirdigimiz derin öğrenme tabanlı GRJointNet algoritmasını sunmaktayız. GRJointNet hem bir nokta bulutundaki eksik noktaları tamamlamakta, hem de onun yapamadığı parça bölütlemesini de yapmaktadır. Bu işlemler elde ettikleri verileri birbirlerini desteklemek için kullanmaktadır. ShapeNet-Part veri kümesinde yapılmış deneylerimiz, GRJointNet algoritmasının nokta bulutu tamamlamada GRNet’den daha başarılı olduğunu göstermektedir. Aynı zamanda, GRNet bölütleme yapamazken, GRJointNet bu özelliği de kazanmıştır. Dolayısıyla bu çalışma nokta bulutlarının 3B bilgisayarlı görüde kullanışlılığını arttırmak adına umut vadetmektedir.en_US
dc.description.abstractSegmentation of three-dimensional (3D) point clouds is an important task for autonomous systems. However, success of segmentation algorithms depends greatly on the quality of the underlying point clouds (resolution, completeness etc.). In particular, incomplete point clouds might reduce a downstream model’s performance. GRNet is proposed as a novel and recent deep solution to complete incomplete point clouds, but it is not capable of part segmentation. On the other hand, our proposed solution, GRJointNet, is an architecture that can perform joint completion and segmentation on point clouds as a successor of GRNet. Features extracted for the two tasks are also utilized by each other to increase the overall performance. We evaluated our proposed network on the ShapeNet-Part dataset and compared its performance to GRNet. Our results demonstrate GRJointNet outperforms GRNet on point completion. It should also be noted that GRNet is not capable of segmentation while GRJointNet is. This study therefore holds a promise to enhance practicality and utility of point clouds for 3D vision for autonomous systems.en_US
dc.description.provenanceSubmitted by Betül Özen (ozen@bilkent.edu.tr) on 2022-02-01T10:33:45Z No. of bitstreams: 1 GRJointNET_Synergistic_Completion_and_Part_Segmentation_on_3D_Incomplete_Point_Clouds.pdf: 7330843 bytes, checksum: 4d70ec401bbcbde815a032e198696376 (MD5)en
dc.description.provenanceMade available in DSpace on 2022-02-01T10:33:46Z (GMT). No. of bitstreams: 1 GRJointNET_Synergistic_Completion_and_Part_Segmentation_on_3D_Incomplete_Point_Clouds.pdf: 7330843 bytes, checksum: 4d70ec401bbcbde815a032e198696376 (MD5) Previous issue date: 2021-07-19en
dc.identifier.doi10.1109/SIU53274.2021.9477918en_US
dc.identifier.eisbn978-1-6654-3649-6
dc.identifier.isbn978-1-6654-3650-2
dc.identifier.issn2165-0608
dc.identifier.urihttp://hdl.handle.net/11693/76935
dc.language.isoTurkishen_US
dc.publisherIEEEen_US
dc.relation.isversionofhttps://dx.doi.org/10.1109/SIU53274.2021.9477918en_US
dc.source.titleIEEE Signal Processing and Communications Applications (SIU)en_US
dc.subjectNokta bulutlarıen_US
dc.subjectTamamlamaen_US
dc.subjectBölütlemeen_US
dc.subjectPoint cloudsen_US
dc.subjectCompletionen_US
dc.subjectSegmentationen_US
dc.titleGRJointNET: 3B eksik nokta bulutları için sinerjistik tamamlama ve parça bölütlemeen_US
dc.title.alternativeGRJointNET: synergistic completion and part segmentation on 3D incomplete point cloudsen_US
dc.typeConference Paperen_US

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
GRJointNET_Synergistic_Completion_and_Part_Segmentation_on_3D_Incomplete_Point_Clouds.pdf
Size:
6.99 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.69 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Scholarly Publications - Electrical and Electronics Engineering
Scholarly Publications - Computer Engineering