面向三维点云的端到端学习局部多视图描述子
计算机视觉与模式识别
2020-03-17 v2
摘要
本文中，我们提出一种端到端框架以学习三维点云的局部多视图描述子。为采用类似的多视图表示，现有研究在预处理阶段使用手工设定的视点进行渲染，该过程与后续的描子学习阶段相脱离。在我们的框架中，我们通过可微渲染器将多视图渲染集成到神经网络中，使得视点可作为可优化参数，以捕捉兴趣点更具信息量的局部上下文。为获得具判别力的描述子，我们还设计了一个软视图池化模块，以注意力方式融合跨视图的卷积特征。在现有三维配准基准上的大量实验表明，我们的方法在定量与定性上均优于现有局部描述子。
引用
@article{arxiv.2003.05855,
title = {End-to-End Learning Local Multi-view Descriptors for 3D Point Clouds},
author = {Lei Li and Siyu Zhu and Hongbo Fu and Ping Tan and Chiew-Lan Tai},
journal= {arXiv preprint arXiv:2003.05855},
year = {2020}
}
备注
CVPR 2020. Webpage: https://github.com/craigleili/3DLocalMultiViewDesc