基于主成分分析赋予深度三维模型旋转不变性
计算机视觉与模式识别
2019-10-22 v1
摘要
本文提出一种简洁而有效的方法，通过在由物体形状本身决定的内蕴坐标系中表达坐标，赋予深度三维模型旋转不变性。我们方法的关键在于找到这样一个内蕴坐标系：它对于同一物体形状应是唯一的，且在同类别不同实例间保持一致，例如桌子的坐标系轴应都大致沿边缘方向。有趣的是，主成分分析恰好提供了一种定义此类坐标系的有效方式，即将主成分设为坐标轴。由于主成分计算的特征向量符号歧义导致方向歧义，每个物体存在若干个内蕴坐标系。为使深度模型实现绝对旋转不变性，我们采用在所有内蕴坐标系中表达的坐标作为输入，获得多个输出特征，并通过自注意力模块进一步聚合为最终特征。我们的方法在理论上具有旋转不变性，并可灵活嵌入现有网络架构。综合实验表明，我们的方法在 ModelNet40 分类的旋转增强数据集上取得了接近最先进（state-of-the-art）的性能，并在 SHREC'17 扰动检索任务上优于其他模型。
引用
@article{arxiv.1910.08901,
title = {Endowing Deep 3D Models with Rotation Invariance Based on Principal Component Analysis},
author = {Zelin Xiao and Hongxin Lin and Renjie Li and Hongyang Chao and Shengyong Ding},
journal= {arXiv preprint arXiv:1910.08901},
year = {2019}
}
备注
8 pages,5 figures