面向SO(3)等变网络的直观多频特征表示
计算机视觉与模式识别
2024-05-09 v1 人工智能
图形学
摘要
3D视觉算法（如形状重建）的使用受限于其需要输入处于固定标准化旋转位置。最近提出了一种简单等变网络——向量神经元 (VN)，可轻松与最先进的3D神经网络架构集成。然而，其性能受限于仅使用三维特征，难以捕获3D数据中所包含的细节。在本文中，我们引入了一种等变特征表示方法，用于将3D点映射到高维特征空间。我们的特征能够辨别3D数据中包含的多种频率，这是设计用于3D视觉任务的表达特征的关键。我们的表示可作为VN的输入使用，结果表明，凭借我们的特征表示，VN能够捕获更多细节，克服了其原始论文中提出的局限。
引用
@article{arxiv.2405.04537,
title = {An intuitive multi-frequency feature representation for SO(3)-equivariant networks},
author = {Dongwon Son and Jaehyung Kim and Sanghyeon Son and Beomjoon Kim},
journal= {arXiv preprint arXiv:2405.04537},
year = {2024}
}
备注
ICLR 2024