面向非刚性点云匹配的神经网络内蕴嵌入
计算机视觉与模式识别
2023-03-03 v1 人工智能
摘要
作为原始的 3D 数据表示，点云在 3D 感知中十分流行，但缺乏底层物体的内蕴结构信息。这种差异给直接建立从可变形形状采样的点云之间的对应关系带来了巨大挑战。有鉴于此，我们提出神经网络内蕴嵌入（NIE），将每个顶点以一种尊重内蕴结构的方式嵌入到高维空间中。基于 NIE，我们进一步提出一个用于非刚性点云配准的弱监督学习框架。与先前工作不同，我们既不需要耗费资源且敏感的离线基构造（例如拉普拉斯矩阵的特征分解），也不需要真值对应标签进行监督。我们通过实验表明，我们的框架性能与最先进的基线相当甚至更优，而那些基线通常需要更多监督和/或更多结构几何输入。
引用
@article{arxiv.2303.01038,
title = {Neural Intrinsic Embedding for Non-rigid Point Cloud Matching},
author = {Puhua Jiang and Mingze Sun and Ruqi Huang},
journal= {arXiv preprint arXiv:2303.01038},
year = {2023}
}
备注
To appear at CVPR 2023