基于球谐函数核的有效旋转不变点云CNN
计算机视觉与模式识别
2021-05-07 v2
摘要
我们提出了一种直接作用于点云数据的新型旋转不变架构。我们展示了如何将旋转不变性注入最近提出的基于点的PCNN架构的所有网络层，实现对全局形状变换以及局部补丁或部件级别旋转的不变性，这在处理非刚性物体时非常有用。我们通过在网络的不同层使用基于球谐函数的核来实现这一点，该核保证了对刚性运动的不变性。我们还为PCNN引入了一种使用空间划分数据结构的更高效池化操作。这产生了一个灵活、简单且高效的架构，在包括分类和分割在内的具有挑战性的形状分析任务上取得了准确的结果，而无需通常由非不变方法采用的数据增强。
引用
@article{arxiv.1906.11555,
title = {Effective Rotation-invariant Point CNN with Spherical Harmonics kernels},
author = {Adrien Poulenard and Marie-Julie Rakotosaona and Yann Ponty and Maks Ovsjanikov},
journal= {arXiv preprint arXiv:1906.11555},
year = {2021}
}