用于三维表面解析的连续滤波器网格卷积

三维表面的几何特征学习对计算机图形学和三维视觉的诸多应用至关重要。然而，由于缺乏所需操作及其高效实现，深度学习目前在三维表面的层次化建模上仍显滞后。本文提出一系列模块化操作，用于从三维三角网格中有效学习几何特征。这些操作包括新颖的网格卷积、高效的网格抽取及相关的网格（反）池化。我们的网格卷积利用球谐函数作为正交归一基来创建连续卷积滤波器。网格抽取模块为GPU加速，能够即时处理批处理网格，而（反）池化操作为上/下采样网格计算特征。我们提供这些操作的开源实现，统称为Picasso。Picasso支持异构网格批处理与处理。利用其模块化操作，我们进一步提出一种用于三维表面感知解析的新型层次神经网络，名为PicassoNet++。它在著名三维基准的形状分析与场景分割上取得了极具竞争力的性能。代码、数据和训练模型见 https://github.com/EnyaHermite/Picasso。