通过基于图的学习拟合骨架模型

骨架化是一种流行的形状分析技术，它对物体的内部进行建模，而不仅仅是其边界。拟合基于模板的骨架模型是一个耗时的过程，需要大量的人工参数调整。最近，基于机器学习的方法在从物体边界生成 s-reps 方面展现出了潜力。在这项工作中，我们提出了一种新的骨架化方法，该方法利用图卷积网络从密集的分割掩码中生成骨架表示。该方法在合成数据和真实海马体分割上进行了评估，取得了可喜的结果和快速的推理速度。