3D Meta Point Signature: 学习用于三维稠密形状对应的三维点签名
计算机视觉与模式识别
2020-10-22 v1
摘要
点签名是一种描述三维形状中点之结构邻域的表示,可用于建立三维形状中点之间的对应。常规方法在所有邻域上应用权共享网络(例如任意类型的图神经网络)以直接生成点签名,并通过从零开始在大量训练样本上进行广泛训练获得泛化能力。然而,这些方法在快速适应未见邻域结构方面缺乏灵活性,从而在新点集上泛化较差。本文提出一种新颖的基于元学习的三维点签名模型,称为3Dmetapointsignature (MEPS)网络,能够学习三维形状中鲁棒的点签名。通过将每个点签名学习过程视为一个任务,我们的方法在所有任务分布上以最佳性能获得优化模型,为新任务(即未见点邻域的签名)生成可靠签名。具体而言,MEPS由两个模块组成:基础签名学习器和元签名学习器。训练期间,基础学习器被训练以执行特定签名学习任务;同时,元学习器被训练以用最优参数更新基础学习器。测试期间,从所有任务分布中学得的元学习器可自适应改变基础学习器参数,以适应未见局部邻域。我们在FAUST和TOSCA两个数据集上评估MEPS模型用于稠密三维形状对应。实验结果表明,我们的方法不仅相较基线模型获得显著改进并达到SOTA结果,而且能够处理未见三维形状。
引用
@article{arxiv.2010.11159,
title = {3D Meta Point Signature: Learning to Learn 3D Point Signature for 3D Dense Shape Correspondence},
author = {Hao Huang and Lingjing Wang and Xiang Li and Yi Fang},
journal= {arXiv preprint arXiv:2010.11159},
year = {2020}
}