文件名称：dusty-gan
文件大小：13.65MB
文件格式：ZIP
更新时间：2024-04-06 04:57:10
Python
学习为LiDAR扫描合成丢点 学习为LiDAR扫描合成丢点中岛和人仓田亮 概述：这项研究的目的是建立3D LiDAR数据（Velodyne风格的辐射点云）的生成模型。 LiDAR数据可以作为双射2D映射处理，但在实践中容易受到分散的二进制噪声的影响。 二进制噪声是由于无法从被测物体反射激光而引起的。 为了解决这个问题，我们提出了一种噪声感知GAN框架来合成LiDAR扫描数据。 我们的生成器旨在生成反深度图，并同时将点下降模拟为可乘的伯努利噪声。 为了对离散噪声进行采样，我们采用了具有直通Gumbel-Sigmoid分布的逐像素重新参数化方法。 我们的方法使您能够学习底层的平滑深度流形。 在我们的论文中，我们展示了在两个LiDAR数据集上进行合成和重建任务的有效性。 我们通过恢复LiDAR数据中的各种损坏来进一步展示潜在的应用程序。 通过内插学习到的潜在代码生成： 前两行来自我们的生成
【文件预览】：
dusty-gan-main
----.gitignore(2KB)
----datasets()
--------__init__.py(754B)
--------angles()
--------kitti.py(3KB)
--------mpo.py(3KB)
--------README.md(173B)
----environment.yaml(315B)
----models()
--------__init__.py(999B)
--------dcgan_eqlr()
--------ops()
--------dusty.py(4KB)
--------loss.py(5KB)
----LICENSE(1KB)
----utils()
--------distributed.py(232B)
--------geometry.py(4KB)
--------lidar.py(4KB)
--------context_manager.py(926B)
--------__init__.py(22B)
--------diff_augment.py(4KB)
--------common.py(3KB)
--------interp.py(453B)
--------render.py(2KB)
----README.md(2KB)
----docs()
--------overview.png(172KB)
--------corruption_recovery.png(2.02MB)
--------kitti.gif(11.36MB)
----metrics()
--------distance()
--------swd.py(5KB)
--------point_clouds.py(4KB)
--------jsd.py(3KB)
--------README.md(1KB)