基于三维修正 Fisher 向量表示用于卷积神经网络的三维点云分类与分割
计算机视觉与模式识别
2017-11-23 v1
摘要
点云作为表示三维形状的方法日益突出，但其不规则格式给深度学习方法带来挑战。将数据转换为三维体素网格的常见方案引入了其自身的挑战，主要是内存占用大。本文提出一种称为三维修正 Fisher 向量（3DmFV）的新颖三维点云表示。我们的表示是混合的，它以紧凑且计算高效的方式结合了网格的离散结构与 Fisher 向量的连续推广。利用网格使我们能够设计一种新的用于点云分类与部件分割的 CNN 架构。在一系列实验中，我们在具有挑战性的基准数据集上展示了与最先进方法相当甚至更优的性能。
引用
@article{arxiv.1711.08241,
title = {3D Point Cloud Classification and Segmentation using 3D Modified Fisher Vector Representation for Convolutional Neural Networks},
author = {Yizhak Ben-Shabat and Michael Lindenbaum and Anath Fischer},
journal= {arXiv preprint arXiv:1711.08241},
year = {2017}
}