LRF-Net：用于三维局部形状描述与匹配的局部参考帧学习
计算机视觉与模式识别
2020-05-05 v2 机器学习
摘要
局部参考帧（LRF）在三维局部形状描述与匹配中起着关键作用。然而，大多数现有LRF为手工设计，且可重复性与鲁棒性有限。本文提出首次尝试通过仅需弱监督的孪生网络学习LRF。具体而言，我们认为局部曲面中每个邻域点对LRF构建都有独特贡献，并通过学习到的权重度量此类贡献。在三个面向不同应用场景的公共数据集上的大量分析与对比实验表明，LRF-Net比若干最先进LRF方法具有更高的可重复性与鲁棒性（LRF-Net仅在一个数据集上训练）。此外，在匹配三维点云时，LRF-Net可显著提升局部形状描述与六自由度位姿估计性能。
引用
@article{arxiv.2001.07832,
title = {LRF-Net: Learning Local Reference Frames for 3D Local Shape Description and Matching},
author = {Angfan Zhu and Jiaqi Yang and Weiyue Zhao and Zhiguo Cao},
journal= {arXiv preprint arXiv:2001.07832},
year = {2020}
}
备注
28 pages, 14 figures