一种用于网格分类与语义部件分割的任务驱动网络
计算机视觉与模式识别
2023-12-29 v3 图形学
摘要
随着几何深度学习技术的快速发展，许多基于网格的卷积算子被提出以桥接不规则网格结构与流行骨干网络。在本文中，我们表明虽然卷积有帮助，但仅基于多层感知机（MLPs）的简单架构足以处理网格分类与语义分割。我们提出的新网络架构名为 Mesh-MLP，以配备热核签名（HKS）和二面角的网格顶点作为输入，用多层感知机（MLP）替换 ResNet 的卷积模块，并利用层归一化（LN）执行层的归一化。该全 MLP 架构以端到端方式运行且不包含池化模块。在网格分类/分割任务上的大量实验结果验证了全 MLP 架构的有效性。
引用
@article{arxiv.2306.05246,
title = {A Task-driven Network for Mesh Classification and Semantic Part Segmentation},
author = {Qiujie Dong and Xiaoran Gong and Rui Xu and Zixiong Wang and Shuangmin Chen and Shiqing Xin and Changhe Tu and Wenping Wang},
journal= {arXiv preprint arXiv:2306.05246},
year = {2023}
}
备注
10 pages