质疑深度模型在三维点云配准中的通用表征能力
计算机视觉与模式识别
2022-11-30 v1
摘要
跨不同应用域学习通用表征是一个开放的研究问题。事实上，在同一应用内但跨不同类型的数据集寻找通用架构也仍是未解决的问题，尤其在涉及三维点云处理的应用中。本文中，我们通过实验将若干 SOTA 的基于学习的三维点云配准方法与我们提出的非学习基线配准方法进行对比。所提方法优于或取得了与基于学习的方法相当的结果。此外，我们提出了一个基于学习的方法难以泛化的数据集。我们提出的方法与数据集，连同所提供的实验，可用于进一步研究通用表征的有效解决方案。我们的源代码见于：github.com/DavidBoja/greedy-grid-search。
引用
@article{arxiv.2211.16301,
title = {Challenging the Universal Representation of Deep Models for 3D Point Cloud Registration},
author = {David Bojanić and Kristijan Bartol and Josep Forest and Stefan Gumhold and Tomislav Petković and Tomislav Pribanić},
journal= {arXiv preprint arXiv:2211.16301},
year = {2022}
}
备注
Accepted at the BMVC 2022 workshop: Universal Representations for Computer Vison (URCV) (https://bmvc2022.mpi-inf.mpg.de/workshops/)