无部件标签学习三维形状的细粒度分割
计算机视觉与模式识别
2022-01-14 v2
摘要
基于学习的3D形状分割通常被表述为语义标注问题,假设训练形状的所有部件均用给定标签集标注。然而,该假设对于学习细粒度分割并不现实。尽管多数现成CAD模型在构造上由细粒度部件组成,它们通常缺失语义标签,且标注这些细粒度部件极其繁琐。我们以深度聚类处理该问题,核心思想是从具有细粒度分割但无部件标签的形状数据集中学习部件先验。给定点采样3D形状,我们用相似矩阵建模点的聚类先验,并通过最小化新颖低秩损失实现部件分割。为处理高度密集采样点集,我们采用分治策略。将大点集划分为若干块,每块使用以类别无关方式训练的深度聚类部件先验网络分割。随后训练图卷积网络合并所有块的分割以形成最终分割结果。我们的方法在细粒度分割挑战性基准上评估,展示了SOTA性能。
引用
@article{arxiv.2103.13030,
title = {Learning Fine-Grained Segmentation of 3D Shapes without Part Labels},
author = {Xiaogang Wang and Xun Sun and Xinyu Cao and Kai Xu and Bin Zhou},
journal= {arXiv preprint arXiv:2103.13030},
year = {2022}
}