超越视点：通过联合多部件表示实现对任意视角的稳健3D目标识别

现有的基于视点的 методs在预定义视点下能够优异地识别3D目标，但在任意视角下的识别探索有限。这是一个具有挑战性且真实的场景，因为每个目标具有不同的视点位置和数量，且姿态未对齐。然而，大多数基于视点的方法由于将多个视点特征聚合以获得全局特征表示，难以解决任意视角下的3D目标识别问题。由于任意视角输入的未对齐性质，聚合特征方面存在困难，导致性能下降。本文引入了新颖的Part-aware Network（PANet），即一种基于部件的表示方法，以解决上述问题。这种基于部件的表示旨在局部分辨和理解3D对象的不同部件，如飞机翼和尾鳍。其具有视点不变性和旋转鲁棒性等特性，这为解决任意视角下的3D目标识别问题提供了优势。我们在基准数据集上的结果清晰地表明，所提出的方法优于现有的基于视点聚合基线方法，能够在任意视角下的3D目标识别任务中表现更好，甚至超过大多数固定视点方法。