利用旋转等变特征在曲面上构建 CNN
计算机视觉与模式识别
2020-06-03 v1 计算几何
机器学习
摘要
本文关注几何深度学习中的一个基本问题，该问题出现在曲面上卷积神经网络的构建中。由于曲率，滤波核在曲面上的传输会导致旋转歧义，从而阻碍这些核在曲面上的均匀对齐。我们提出一种用于曲面的网络架构，其由向量值、旋转等变特征组成。该等变性使得在卷积层中聚合特征时，能够局部对齐在任意坐标系下计算出的特征。所得网络对曲面上切空间坐标系的选择不敏感。我们针对三角网格实现我们的方法。基于圆谐函数，我们引入在离散层面旋转等变的网格卷积滤波器。我们在形状对应和形状分类任务上评估所得网络，并将其性能与其他方法进行比较。
引用
@article{arxiv.2006.01570,
title = {CNNs on Surfaces using Rotation-Equivariant Features},
author = {Ruben Wiersma and Elmar Eisemann and Klaus Hildebrandt},
journal= {arXiv preprint arXiv:2006.01570},
year = {2020}
}
备注
12 pages, 14 figures, 5 tables, to be published in ACM ToG (SIGGRAPH 2020)