用于三维形状检索的基于自编码器的深度学习表示
计算机视觉与模式识别
2014-09-26 v1
摘要
我们研究了如何构建三维形状的深度学习表示。深度学习已在图像分类和目标检测等多种视觉应用中显示出极高的有效性，然而尚未成功应用于三维形状识别。这是因为三维形状在三维空间中具有复杂结构，且用于特征学习的三维形状数量有限。为解决这些问题，我们将三维形状投影到二维空间，并利用自编码器在二维图像上进行特征学习。通过聚合在二维图像上学习到的特征，我们获得了高精度的三维形状检索性能。此外，我们表明所提出的深度学习特征与传统的局部图像描述符具有互补性。通过结合全局深度学习表示与局部描述符表示，我们的方法在三维形状检索基准测试中取得了最先进 (state-of-the-art) 的性能。
引用
@article{arxiv.1409.7164,
title = {Deep Learning Representation using Autoencoder for 3D Shape Retrieval},
author = {Zhuotun Zhu and Xinggang Wang and Song Bai and Cong Yao and Xiang Bai},
journal= {arXiv preprint arXiv:1409.7164},
year = {2014}
}
备注
6 pages, 7 figures, 2014ICSPAC