一种用于 3D 模型嵌入的卷积架构
计算机视觉与模式识别
2021-03-08 v1 人工智能
摘要
近年来，在 3D 模型检索、3D 模型分类和 3D 模型分割等任务上取得了诸多进展。典型的 3D 表示如点云、体素和多边形网格大多适用于渲染目的，而由于其高冗余与复杂性，它们在认知过程（检索、分类、分割）中的使用受限。我们提出了一种以 3D 模型作为输入的深度学习架构。我们将该架构与其他标准架构（如卷积神经网络和自编码器）结合，用于计算 3D 模型嵌入。我们的目标是将 3D 模型表示为一个携带足够信息以替代 3D 模型用于高层任务的向量。由于该向量是试图捕获 3D 模型相关信息的学习表示，我们展示了嵌入表示传达了语义信息，有助于处理 3D 对象的相似性评估。我们的实验显示了计算 3D 模型数据集的嵌入并将其用于高效 3D 模型检索的益处。
引用
@article{arxiv.2103.03764,
title = {A Convolutional Architecture for 3D Model Embedding},
author = {Arniel Labrada and Benjamin Bustos and Ivan Sipiran},
journal= {arXiv preprint arXiv:2103.03764},
year = {2021}
}