DC3DO：用于 3D 物体的扩散分类器
计算机视觉与模式识别
2024-09-27 v1 人工智能
计算几何
摘要
受 Geoffrey Hinton 对生成建模的强调启发，我们探索使用 3D 扩散模型进行物体分类。通过利用这些模型的密度估计，我们的 method——称为 3D 物体的扩散分类器（DC3DO）——实现了无需额外训练的 3D 形状零样本分类。平均而言，我们的方法相较于其多视角方案提高了 12.5 个百分点，显示出对判别性方法的优越多模态推理能力。DC3DO 采用在 ShapeNet 上训练的类条件扩散模型，我们对椅子和汽车的点云运行推断。本工作凸显了生成模型在 3D 物体分类中的潜力。
引用
@article{arxiv.2408.06693,
title = {DC3DO: Diffusion Classifier for 3D Objects},
author = {Nursena Koprucu and Meher Shashwat Nigam and Shicheng Xu and Biruk Abere and Gabriele Dominici and Andrew Rodriguez and Sharvaree Vadgama and Berfin Inal and Alberto Tono},
journal= {arXiv preprint arXiv:2408.06693},
year = {2024}
}