.png){kind=icon}
返回
PhyDAWS: Physically-inspired data augmentation with weather simulation for domain-generalized point cloud segmentation
.png){kind=icon}
OA
AI
DOI：10.1016/j.jag.2026.105280.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 物理启发的天气模拟用于领域泛化的LiDAR分割。
• 现象学和Mie散射模型用于真实点云增强。
• 鲁棒感知框架，适用于多样且未见的恶劣天气条件。
Keyword:
Point cloud
Semantic segmentation
Deep learning
Domain generalization
Diverse weather scenarios
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8.6
论文数:
5.3K
被引数:
2.4W
机构
引用论文
Bridging Domain Gap of Point Cloud Representations via Self-Supervised Geometric Augmentation通过自监督几何增强弥合点云表示的领域差异
PREAI
分享收藏Learnable Bi-directional Data Augmentation for few-shot cross-domain point cloud classification.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏MTCloud: Multi-type convolutional linkage network for point cloud instance segmentationMTCloud: 多类型卷积关联网络用于点云实例分割
PREAI
分享收藏WeatherGen: A Unified Diverse Weather Generator for LiDAR Point Clouds via Spider Mamba Diffusion
PREAI
分享收藏
查看更多内容