CloudWalker：用于三维点云形状分析的随机游走方法
计算机视觉与模式识别
2023-05-18 v4
摘要
点云作为表示三维形状的一种方法日益受到重视，但其不规则结构给深度学习方法带来了挑战。本文提出 CloudWalker，一种利用随机游走学习三维形状的新方法。以往工作试图将卷积神经网络（CNN）适配于三维点云，或对其强加网格或网格结构。本工作提出了一种从不同点集表示和学习形状的思路。其核心思想是通过在点云中进行多次随机游走以探索三维对象的不同区域，从而在点集上施加结构。随后我们学习逐点与逐游走的表示，并在推理时聚合多次游走的预测。我们的方法在分类与检索两项三维形状分析任务上取得了最先进的结果。
引用
@article{arxiv.2112.01050,
title = {CloudWalker: Random walks for 3D point cloud shape analysis},
author = {Adi Mesika and Yizhak Ben-Shabat and Ayellet Tal},
journal= {arXiv preprint arXiv:2112.01050},
year = {2023}
}