基于元语义学习的 ShapeNet Core 三维模型分类
计算机视觉与模式识别
2022-06-01 v1 人工智能
摘要
理解用于学习的 3D 点云模型已成为自动驾驶系统等现实识别中的迫切挑战。人们提出了多种基于深度学习的方案用于点云分割、目标检测与分类。然而，这些方法往往需要大量模型参数且计算昂贵。我们研究了给定 3D 数据点的语义维度，并提出了一种称为元语义学习（Meta-SeL）的高效方法。Meta-SeL 是一个集成框架，利用两种输入的 3D 局部点（输入的 3D 模型与部件分割标签），为若干 3D 识别任务提供省时、低成本且精确的投影模型。结果表明，与其他复杂的先进工作相比，Meta-SeL 取得了具竞争力的性能。此外，Meta-SeL 具有随机打乱不变性，对平移与抖动噪声均具鲁棒性。
引用
@article{arxiv.2205.15869,
title = {3D-model ShapeNet Core Classification using Meta-Semantic Learning},
author = {Farid Ghareh Mohammadi and Cheng Chen and Farzan Shenavarmasouleh and M. Hadi Amini and Beshoy Morkos and Hamid R. Arabnia},
journal= {arXiv preprint arXiv:2205.15869},
year = {2022}
}
备注
The 6th International Conference on Applied Cognitive Computing