DEF：三维形状中尖锐几何特征的深度估计
计算机视觉与模式识别
2022-05-27 v4 计算几何
摘要
我们提出深度特征估计器（DEFs），一种基于学习的框架，用于预测采样三维形状中的尖锐几何特征。与现有的将数据驱动方法简化为特征分类的工作不同，我们提出回归一个标量场，表示点样本到局部面片上最近特征线的距离。我们的方法是首个通过将各个面片上获得的距离到特征的估计进行融合，从而扩展到大规模点云的。我们在新提出的合成与真实世界三维CAD模型基准上，针对相关的最先进方法对我们的方法进行了广泛评估。我们的方法不仅优于这些方法（在召回率和假阳性率上有所改进），而且在我们的模型于合成数据上训练并在一个小规模扫描数据集上微调后，能够泛化到真实世界扫描数据。我们展示了一个下游应用，即从距离扫描数据中重建直的和弯曲的尖锐特征线的显式表示。
引用
@article{arxiv.2011.15081,
title = {DEF: Deep Estimation of Sharp Geometric Features in 3D Shapes},
author = {Albert Matveev and Ruslan Rakhimov and Alexey Artemov and Gleb Bobrovskikh and Vage Egiazarian and Emil Bogomolov and Daniele Panozzo and Denis Zorin and Evgeny Burnaev},
journal= {arXiv preprint arXiv:2011.15081},
year = {2022}
}