点云上的不规则卷积自编码器
机器学习
2019-10-08 v1 机器学习
摘要
我们提出了一种新颖的图卷积神经网络，能够从稠密原始点云构建出粗糙、稀疏的潜点云。借助在不规则几何上定义的新颖非各向同性卷积操作，该模型随后可从该潜点云重建出具有精细细节的原始点云。此外，我们提出甚至可以利用从某些模拟粒子云（例如流体）编码得到的潜点云来进行粒子模拟，以加速粒子模拟过程。我们的模型在 ShapeNetCore 数据集上以受限潜维度进行了自编码测试，并在一个合成流体模拟数据集上进行了测试。我们还将该模型与其他最先进模型进行比较，并进行了若干可视化以直观理解该模型。
引用
@article{arxiv.1910.02686,
title = {Irregular Convolutional Auto-Encoder on Point Clouds},
author = {Zhang Yuhui and Greg Gutmann and Konagaya Akihiko},
journal= {arXiv preprint arXiv:1910.02686},
year = {2019}
}
备注
20 pages, 7 figures