逃离网格：用于三维点云模型识别的深度 Kd 网络
计算机视觉与模式识别
2017-10-27 v2
摘要
我们提出了一种新的深度学习架构（称为 Kd 网络），专为三维模型识别任务设计，可直接处理非结构化点云。该新架构执行乘法变换，并根据 Kd 树施加于点云的细分来共享这些变换的参数。与目前占主导地位的卷积架构（通常需要在均匀的二维或三维网格上进行光栅化）不同，Kd 网络完全不依赖此类网格，从而避免了糟糕的缩放行为。在一系列使用流行形状识别基准的实验中，Kd 网络在形状分类、形状检索和形状部件分割等多种形状识别任务中展现出了有竞争力的性能。
引用
@article{arxiv.1704.01222,
title = {Escape from Cells: Deep Kd-Networks for the Recognition of 3D Point Cloud Models},
author = {Roman Klokov and Victor Lempitsky},
journal= {arXiv preprint arXiv:1704.01222},
year = {2017}
}
备注
Spotlight at ICCV'17