用于学习自适应体素形状表示的双八叉树图网络

我们提出了一种三维形状体素场自适应深度表示，以及一种高效学习该深度表示以实现高质量三维形状重建与自编码的方法。我们的方法以八叉树组织的自适应特征体素对三维形状的体素场进行编码，并应用紧凑的多层感知机网络将特征映射到各三维位置处的场值。设计了一个编码器-解码器网络，基于八叉树节点的对偶图上的图卷积来学习自适应特征体素。我们网络的核心是在由不同层级不规则相邻八叉树节点融合得到的特征规则网格上定义的一种新图卷积算子，其不仅降低了在不规则相邻八叉树节点上卷积的计算与内存开销，还提升了特征学习性能。我们的方法有效编码形状细节，实现快速三维形状重建，并对训练类别之外的三维形状建模表现出良好泛化性。我们在一组三维形状与场景重建任务上评估了该方法，并验证了相对于其他现有方法的优越性。我们的代码、数据与训练模型见 https://wang-ps.github.io/dualocnn。