大规模数据库中准确的实例级CAD模型检索

我们提出了一种从大规模数据库中细粒度检索干净CAD模型的新方案，以恢复RGBD扫描中详细的物体形状几何结构。以往工作仅使用物体形状描述子在中等规模数据库中建立索引并接受检索排名第一的结果，与之不同，我们认为在大规模数据库情况下，可能在描述子的邻域内找到更精确的模型。更重要的是，我们提出实例级形状描述子的区分性不足可通过基于几何的邻域重排序来弥补。我们的方法首先利用学习到的表示的判别能力来区分不同类别的模型，然后使用一种新颖的鲁棒点集距离度量对CAD邻域进行重排序，从而能够在大型形状数据库中实现细粒度检索。在真实世界数据集上的评估表明，我们基于几何的重排序是一种概念简单但极为有效的方法，与当前最优方法相比可显著提升检索精度。