LassoNet：三维点云的深度学习套索选择
人机交互
2024-05-14 v4 图形学
摘要
选择是三维点云探索性分析与可视化中的基本任务。先前关于选择方法的研究主要基于局部点密度等启发式方法开发，从而限制了其在一般数据中的适用性。具体挑战源于点云（例如稠密与稀疏）、视点（例如遮挡与非遮挡）和套索（例如小与大）所隐含的巨大变异性。本工作中，我们引入LassoNet，一种用于三维点云套索选择的新型深度神经网络，试图学习从视点和套索到点云区域的潜在映射。为此，我们通过三维坐标变换和朴素选择将用户目标点与视点和套索信息耦合，并通过意图过滤和最远点采样提升方法的可扩展性。使用一个包含在两种不同点云上超过30K条套索选择记录的数据集训练层次化网络。我们进行正式用户研究，将LassoNet与两种最先进的套索选择方法比较。评估确认我们的方法在不同三维点云、视点和套索选择组合下提升了选择的有效性和效率。项目网站：https://lassonet.github.io
引用
@article{arxiv.1907.13538,
title = {LassoNet: Deep Lasso-Selection of 3D Point Clouds},
author = {Chen Zhu-Tian and Wei Zeng and Zhiguang Yang and Lingyun Yu and Chi-Wing Fu and Huamin Qu},
journal= {arXiv preprint arXiv:1907.13538},
year = {2024}
}
备注
10 pages