MG-SAGC：一种用于三维点云的多尺度图及其自适应图卷积网络
计算机视觉与模式识别
2020-12-24 v1
摘要
为增强神经网络提取局部点云特征的能力并提升其特征质量，本文提出一种多尺度图生成方法与一种自适应图卷积方法。首先，我们提出一种面向点云的多尺度图生成方法。该方法将点云转换为结构化的多尺度图形式，支持在尺度空间中对点云进行多尺度分析，并可获取点云数据在不同尺度下的维度特征，从而更易获得最佳点云特征。由于传统卷积神经网络不适用于具有不规则顶点邻域的图数据，本文提出一种自适应图卷积核，其基于最优逼近理论利用Chebyshev多项式拟合不规则卷积滤波器。本文采用最大池化来合成不同尺度图的特征并生成点云特征。在三个广泛使用的公开数据集上进行的实验表明，所提方法显著优于其他state-of-the-art模型，证明了其有效性与泛化能力。
关键词
引用
@article{arxiv.2012.12445,
title = {MG-SAGC: A multiscale graph and its self-adaptive graph convolution network for 3D point clouds},
author = {Bo Wu and Bo Lang},
journal= {arXiv preprint arXiv:2012.12445},
year = {2020}
}