对抗式点集配准
计算机视觉与模式识别
2018-11-21 v1
摘要
我们提出一种基于一次性对抗学习的点集配准新方法。该算法的思想受生成对抗网络近期成功的启发。将点云视为三维概率分布,我们开发了一种一次性对抗优化过程,其中训练一个判别器(critic)神经网络以区分源点集与目标点集,同时学习变换的参数以欺骗判别器使其混淆这些点。与大多数现有的点集配准算法不同,我们的方法不依赖于点云之间的任何对应关系。我们在若干具有挑战性的基准上展示了该算法的性能,并将其与现有基线进行比较。
引用
@article{arxiv.1811.08139,
title = {Adversarial point set registration},
author = {Sergei Divakov and Ivan Oseledets},
journal= {arXiv preprint arXiv:1811.08139},
year = {2018}
}