GFPNet：一种用于通用拟合基元形状补全的深度网络
计算机视觉与模式识别
2020-06-04 v1 机器学习
机器人学
摘要
本文提出一种利用所谓通用基元（Generic Primitives, GP）进行形状补全的物体重建装置。GP 是描绘一类物体广义形状的 3D 点云。为重建场景中的物体，我们首先将 GP 拟合到每个被遮挡物体上以获得初始原始结构。其次，我们使用基于模型的形变技术将 GP 的表面折叠到被遮挡物体上。该形变模型被编码在一个深度神经网络（DNN）的层中，称为 GFPNet。该网络的目标是将场景中物体的特性转移到由 GP 表示的原始体上。我们通过在 ModelNet 和 KITTI 基准数据集上提供性能结果，表明 GFPNet 可与最先进的形状补全方法相竞争。
引用
@article{arxiv.2006.02098,
title = {GFPNet: A Deep Network for Learning Shape Completion in Generic Fitted Primitives},
author = {Tiberiu Cocias and Alexandru Razvant and Sorin Grigorescu},
journal= {arXiv preprint arXiv:2006.02098},
year = {2020}
}
备注
8 pages, 14 figures, IEEE Robotics and Automation Letters. Preprint Version. Accepted May, 2020