3D-BSNet:双边特征和相似度量的点云实例分割网络

针对现有的三维分割方法在挖掘点云特征时,会忽略几何特征有效利用的问题,提出双边特征和相似度量的点云实例分割网络3D-BSNet(3D-bilateral feature and similarity measure network)。该网络主要由双边特征学习和轻量级相似度量两部分组成。首先提出一种包含基于子流形稀疏卷积的3D-UNet和多层感知机的双边特征提取模块,用于提取经过体素化处理的点云数据的语义特征和几何特征;然后设计一种结合通道维度和空间维度的双边注意力机制,用于减少双边特征聚合过程中产生的信息损失;最后开发一种轻量级相似度量模块,获取高维嵌入特征空间中邻近点云之间的相似性,并生成细粒度实例分割结果。实验表明,3D-BSNet在S3DIS和Scannet(v2)数据集上的多指标综合表现优越,其中在Scannet(v2)上的平均精确率比SSTNet提高了3.3%,有效提高了室内场景三维实例分割的精度。

Works on Arm计划让开发者通过主流云服务使用Arm架构的云实例

继近期更新了Arm Neoverse路线图,突出Arm为基础设施市场提供其所需的高性能、高能效和专用处理,Arm近日宣布扩展其Works on Arm计划,该计划旨在通过为开发者提供免费访问的基于Arm架构的开发者平台、云实例和持续集成/持续开发(CI/CD)环境,使开发者能够在Arm架构上构建、测试和优化项目。Arm同时公布在Works on Arm计划中,亚马逊云科技(AWS)、Equinix、谷歌云(Google Cloud)、Microsoft Azure、甲骨文(Oracle)以及腾讯等领先的云平台服务商都提供了基于Neoverse平台的计算实例,为开发者在免费轻松访问基于Arm架构的云计算实例方面,提供了丰富的选择。

智能手机中基于云实例的高效文件管理系统

针对现有云存储技术应用到智能手机上导致其能量和带宽消耗较大这一不足,以Dropbox平台作为云服务提供商,设计了一种基于云实例的高效安全的文件管理系统(FM-CI)。FM-CI支持下载、压缩、加密和转换操作,同时支持在两个智能手机用户的云存储空间之间进行文件传输。此外,考虑到频繁开启云实例仍然可能增加用户的成本,还给出了用户空闲实例共享协议和基于共享实例的文件传输方案。仿真实验结果表明,FM-CI能在消耗较少时间和带宽的前提下,高效地完成文件操作,且性能要优于目前最新的云存储方案。

安全与成本感知的实例密集型云工作流调度方法

针对现有实例密集型云工作流调度方法未考虑安全需求及未引入实例的不足,构建了相应的调度模型,并通过借鉴信任管理的思想,提出基于用户信任度的工作流实例方面处理策略以及一种安全与成本感知的实例密集型云工作流调度算法(SC-ICW)。该算法可在满足截止时间与安全需求约束的前提下优化执行成本,并减少实例方面处理可能引发的安全风险。通过仿真实验说明了该算法的有效性。

物件点云的语义实例联合分割网络

为同时实现三维物体点云的语义和实例分割,设计了语义与实例分割网络(semantic and instance segmentation network, SISN)。SISN由编码器、解码器和特征融合模块等3部分组成,每部分都包含用于有效学习几何多样性特征的动态图卷积结构。利用编码器对输入的物体点云的语义和实例特征进行统一编码,使用解码器分别对语义和实例特征进行解码。通过特征融合模块进行语义和实例特征信息交互,经Softmax分类和MeanShift聚类得到点云的语义和实例分割结果。PartNet数据集和植物点云数据集上的定性和定量试验结果表明,SISN对物件点云的分割效果优于当前主流网络ASIS和JSNet。

GIS云计算系统实例的框架结构研究

云计算具有可扩展性和高可用性的特点,能够快速配置和调度服务资源,按需为用户提供弹性的GIS服务。基于典型实例剖析了GIS云计算系统的框架结构,介绍了与GIS云计算系统框架结构相关的Web应用服务器工作原理,讨论分析了所用典型实例中云计算系统各组件的地位与作用。从可扩展性和高可用性的角度对GIS云计算系统框架结构的实现方式进行了较为深入、全面的探讨,归纳了负载均衡与动态扩展在向GIS服务提供自适应性计算资源和提高云计算系统容错性方面以及面临用户数量与地理空间数据使用量增加时在保持云计算系统高性能与高资源利用方面的作用以及相关方法,总结了借助云计算技术自动获得弹性计算资源和构建高效稳定GIS应用的技术途径与手段。

基于实例分割的室内动态场景SLAM

针对动态物体在室内场景中影响定位与建图准确性的问题,提出一种基于实例分割的室内动态场景同步定位与地图构建(SLAM)系统。首先,利用Mask RCNN网络对输入的图像序列进行实例分割,结合多视几何方法提高动态对象分割效果;然后提取图像中的快速提取和描述(ORB)特征点,将动态物体内的特征点剔除,利用静态的特征点进行位姿估计;最后,利用背景修复和点云拼接技术实现室内场景实例级稠密点云地图和语义八叉树地图的构建。在公开动态场景数据集上进行多次测试的实验结果表明,相对于ORB-SLAM2系统,该系统相机位姿估计误差明显降低,对环境信息的理解能力得到提升,对后续移动机器人的导航工作具有重要的意义。