面向点云分类的基于学习的双调和增强
计算机视觉与模式识别
2023-11-13 v1
摘要
与图像数据集相比，点云数据集常受样本量不足的困扰，使得数据增强颇具挑战。传统方法如刚性变换和缩放因受限于不能改变单个样本形状，在增加数据集多样性方面潜力有限，为此我们引入双调和增强（BA）方法。BA 是一种新颖高效的数据增强技术，通过对现有 3D 结构施加平滑非刚性形变来使点云数据多样化。该方法计算形变函数的双调和坐标并学习多样的形变原型。利用 CoefNet，我们的方法预测系数以融合这些原型，确保全面形变。此外，我们提出 AdvTune，一种集成对抗训练的进阶在线增强系统。该系统协同优化 CoefNet 与分类网络，依据学习器状态自动生成自适应形状形变。全面的实验分析验证了双调和增强的优越性，在各种网络设计下相较主流点云增强技术均展现出显著的性能提升。
引用
@article{arxiv.2311.06070,
title = {Learning-Based Biharmonic Augmentation for Point Cloud Classification},
author = {Jiacheng Wei and Guosheng Lin and Henghui Ding and Jie Hu and Kim-Hui Yap},
journal= {arXiv preprint arXiv:2311.06070},
year = {2023}
}