用于多视图三维形状检索的角三元中心损失
计算机视觉与模式识别
2019-01-23 v3
摘要
如何获得三维形状的理想表示——在类别间具判别性、在类内聚合——是三维形状检索中的重大挑战。大多数现有三维形状检索方法侧重于用 softmax 损失为分类任务捕获强判别性形状表示，而用于三维形状检索的基于度量损失的形状特征学习被忽视了。本文中，我们基于如下直觉解决该问题：形状嵌入的余弦距离在同一类内应足够近、在跨类别间应足够远。由于大多数三维形状检索任务使用形状特征的余弦距离来衡量形状相似性，我们提出一种名为角三元中心损失的新型度量损失，其直接优化特征间的余弦距离。它继承了三元中心损失的特性，可同时实现更大的类间距离和更小的类内距离。与以往三维形状检索方法中采用的度量损失（使用欧氏距离且边界设计困难）不同，所提方法更便于训练特征嵌入，且更适用于三维形状检索。此外，采用角度边界替代余弦边界，以在嵌入空间上提供更明确的判别性约束。在两个流行的三维物体检索基准 ModelNet40 和 ShapeNetCore 55 上的大量实验结果证明了我们所提损失的有效性，且我们的方法在各种三维形状数据集上取得了 SOTA 结果。
引用
@article{arxiv.1811.08622,
title = {Angular Triplet-Center Loss for Multi-view 3D Shape Retrieval},
author = {Zhaoqun Li and Cheng Xu and Biao Leng},
journal= {arXiv preprint arXiv:1811.08622},
year = {2019}
}
备注
Accepted by AAAI 2019