通过规范点自编码器学习三维稠密对应
计算机视觉与模式识别
2021-07-13 v1
摘要
我们提出一种规范点自编码器（CPAE），用于预测同类别三维形状之间的稠密对应。该自编码器执行两个关键功能：(a) 将任意顺序的点云编码为规范基元（如球体），以及 (b) 将该基元解码回原始输入实例形状。作为置于瓶颈处的结构，该基元在将所有无序点云映射到规范表面并以有序方式重建方面发挥关键作用。一旦训练完成，被映射到基元表面同一位置的不同形状实例上的点被确定为对应点对。我们的方法不需要任何形式的标注或自监督部件分割网络，并且可以处理未对齐的输入点云。在三维语义关键点迁移与部件分割迁移上的实验结果表明，我们的模型优于最先进的对应学习方法。
引用
@article{arxiv.2107.04867,
title = {Learning 3D Dense Correspondence via Canonical Point Autoencoder},
author = {An-Chieh Cheng and Xueting Li and Min Sun and Ming-Hsuan Yang and Sifei Liu},
journal= {arXiv preprint arXiv:2107.04867},
year = {2021}
}