AdvectiveNet：用于点云处理的欧拉-拉格朗日流体储库
计算机视觉与模式识别
2020-06-26 v3
摘要
本文提出了一种受物理学启发的、用于点云处理的新型深度学习方法，其动机来自流体力学中的自然流动现象。我们的学习架构联合定义欧拉物质空间（使用静态背景网格）中的数据和拉格朗日材料空间（使用运动粒子）中的数据。通过引入这种欧拉-拉格朗日表示，我们能够利用由广义高维力场生成的流速自然地演化和累积粒子特征。我们通过以最先进的性能解决各种点云分类与分割问题，证明了该系统的有效性。整个几何储库与数据流模仿了经典 PIC/FLIP 方案在建模自然流动中的流程，桥接了几何机器学习与物理模拟两个学科。
引用
@article{arxiv.2002.00118,
title = {AdvectiveNet: An Eulerian-Lagrangian Fluidic reservoir for Point Cloud Processing},
author = {Xingzhe He and Helen Lu Cao and Bo Zhu},
journal= {arXiv preprint arXiv:2002.00118},
year = {2020}
}
备注
ICLR 2020