WO2022253148 - SYSTEMS AND METHODS FOR SPARSE CONVOLUTION OF UNSTRUCTURED DATA
National phase entry is expected:
Publication Number
WO/2022/253148
Publication Date
08.12.2022
International Application No.
PCT/CN2022/095807
International Filing Date
28.05.2022
Title **
[English]
SYSTEMS AND METHODS FOR SPARSE CONVOLUTION OF UNSTRUCTURED DATA
[French]
SYSTÈMES ET PROCÉDÉS DE CONVOLUTION ÉPARSE DE DONNÉES NON STRUCTURÉES
Applicants **
HUAWEI TECHNOLOGIES CO., LTD.
Inventors
CHENG, Ran
RAZANI, Ryan
REN, Yuan
LIU, Bingbing
Priority Data
63/195,048
30.05.2021
US
17/747,722
18.05.2022
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| Number of Office Actions | * |
| * | |
International Searching Authority |
CNIPA
* |
| Recordal of a Change of the Applicant's Name/Address |
Change of Applicant's Name and Address
* |
| Type of Assignment |
The Standard Agent's Assignment
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Patent Delivery |
Send the Letters Patent by Courier
* |
| Translation |
|
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing, Examination, Granting | 2150 | |
| EPO | Filing, Examination, Granting | 14980 | |
| Japan | Filing, Examination, Granting | 2338 | |
| South Korea | Filing, Examination, Granting | 2431 | |
| USA | Filing, Examination, Granting | 5340 |
Total:
27,239
The term for entry into the National Phase has expired. This quotation is for informational purposes only
Contact Us
Abstract[English]
Systems and methods are disclosed for processing sparse tensors using a trained neural network model. An input sparse tensor may represent a sparse input point cloud. The input sparse tensor is processed using an encoder stage having a series of one or more encoder blocks, wherein each encoder block includes a sparse convolution layer, a sparse intra-channel attention module, a sparse inter-channel attention module, and a sparse residual tower module. Output from the encoder stage is processed using a decoder stage having a series of one or more decoder blocks, wherein each decoder block includes a sparse transpose convolution layer, a sparse inter-channel attention module, and a sparse residual tower module. The output of the decoder stage is an output sparse tensor representing a sparse labeled output point cloud.[French]
Des systèmes et des procédés sont divulgués pour traiter des tenseurs épars à l'aide d'un modèle de réseau de neurones artificiels entraîné. Un tenseur épars d'entrée peut représenter un nuage de points d'entrée épars. Le tenseur épars d'entrée est traité à l'aide d'un étage codeur ayant une série d'un ou de plusieurs blocs codeurs, chaque bloc codeur comprenant une couche de convolution éparse, un module d'attention intra-canal clairsemé, un module d'attention inter-canal clairsemé et un module de colonne résiduelle clairsemée. La sortie de l'étage codeur est traitée à l'aide d'un étage décodeur ayant une série d'un ou de plusieurs blocs décodeurs, chaque bloc décodeur comprenant une couche de convolution de transposition creuse, un module d'attention inter-canal clairsemé et un module de colonne résiduelle clairsemée. La sortie de l'étage décodeur est un tenseur épars de sortie représentant un nuage de points de sortie marqués épars.