O-CNN：基于八叉树的卷积神经网络用于三维形状分析
计算机视觉与模式识别
2017-12-06 v1
摘要
我们提出 O-CNN，一种基于八叉树（Octree）的卷积神经网络（CNN），用于三维形状分析。基于三维形状的八叉树表示，我们的方法以最精细叶八分体采样得到的三维模型平均法向量作为输入，并在三维形状表面所占的八分体上执行三维 CNN 操作。我们设计了一种新颖的八叉树数据结构，以将八分体信息和 CNN 特征高效存入显存，并在 GPU 上执行完整的 O-CNN 训练与评估。O-CNN 支持多种 CNN 结构，并可处理不同表示下的三维形状。通过将计算限制在三维表面所占的八分体上，O-CNN 的内存与计算成本随八叉树深度增加呈二次增长，这使得三维 CNN 可应用于高分辨率三维模型。我们将 O-CNN 与其他现有三维 CNN 方案的性能进行比较，并在三个形状分析任务（包括物体分类、形状检索与形状分割）中展示了 O-CNN 的效率与有效性。
引用
@article{arxiv.1712.01537,
title = {O-CNN: Octree-based Convolutional Neural Networks for 3D Shape Analysis},
author = {Peng-Shuai Wang and Yang Liu and Yu-Xiao Guo and Chun-Yu Sun and Xin Tong},
journal= {arXiv preprint arXiv:1712.01537},
year = {2017}
}