点云的处理、传输、语义分割等是3维计算机视觉领域重要的分析任务. 现如今,图神经网络和图结构在点云研究方面的有效性已被证实,基于图的点云（graph-based point cloud,GPC）研究不断涌现. 因此,一种统一的研究角度、框架和方法论亟待形成. 系统性梳理了GPC研究的各种应用场景,包括配准、降噪、压缩、表示学习、分类、分割、检测等任务,概括出GPC研究的一般性框架,提出了一条覆盖当前GPC全域研究的技术路线. 具体来说,给出了GPC研究的分层概念范畴,包括底层数据处理、中层表示学习、高层识别任务;综述了各领域中的GPC模型或算法,包括静态和动态点云的处理算法、有监督和无监督的表示学习模型、传统或机器学习的GPC识别算法;总结了其中代表性的成果及其核心思想,譬如动态更新每层特征空间对应的最近邻图、分层以及参数共享的动态点聚合模块,结合图划分和图卷积提高分割精度;对比了模型性能,包括总体精度（overall accuracy,OA）、平均精度（mean accuracy,mAcc）、平均交并比（mean intersection over union,mIoU）;在分析比较现有模型和方法的基础上,归纳了GPC目前面临的主要挑战,提出相应的研究问题,并展望未来的研究方向. 建立的GPC研究框架具有一般性和通用性,为后续研究者从事GPC这个新型交叉领域研究提供了领域定位、技术总结及宏观视角. 点云研究的出现,是探测器硬件技术长足进步后应运而生的结果;点云研究的现状表明在理论和实践之间存在一些挑战,一些关键问题还有待解决. 同时,点云研究的发展将推动人工智能进入新的时代.
… … 相似文献在移动群智感知系统中,信誉管理是提高数据收集质量的有效途径,但现有基于主观评价的方案难以实现隐私保护下的工人信誉真实评估. 为此,提出了一种基于区块链的分布式群智感知双向信誉评估隐私保护（bilateral reputation evaluation privacy-preserving,BREPP）方案. 首先采用随机干扰、佩德森承诺隐藏工人信誉更新的参数,利用紧凑型可链接自发匿名群签名匿名验证了信誉更新过程,联合Bulletproofs范围证明与Schnnor签名验证了工人的信誉评估过程;然后,采用子地址方法实现工人和请求者身份匿名下的快速定位检索;最后在Hyperledger Fabric上部署了实验原型系统并进行了性能评估. 结果表明,BREPP方案与已有信誉隐私保护方案相比,信誉管理总时延和信誉评估误差率分别至少降低了2.00个百分点和24.96个百分点;与无隐私方案相比,在信誉评估准确率与总时延之间取得了较好均衡.
… … 相似文献网站版权所有：中国科学院软件研究所 京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持
