OctNet：高分辨率下学习深度三维表征
计算机视觉与模式识别
2017-04-11 v4
摘要
我们提出 OctNet，一种用于稀疏三维数据深度学习的表征方法。与现有模型相比，我们的表征能够构建既深又具有高分辨率的三维卷积网络。为实现这一目标，我们利用输入数据的稀疏性，通过一组非平衡八叉树对空间进行层次划分，其中每个叶节点存储一个池化后的特征表示。这使得内存分配和计算能够集中于相关的稠密区域，从而在不牺牲分辨率的情况下构建更深的网络。我们通过分析分辨率对包括三维物体分类、方向估计和点云标注在内的多项三维任务的影响，展示了 OctNet 表征的实用性。
引用
@article{arxiv.1611.05009,
title = {OctNet: Learning Deep 3D Representations at High Resolutions},
author = {Gernot Riegler and Ali Osman Ulusoy and Andreas Geiger},
journal= {arXiv preprint arXiv:1611.05009},
year = {2017}
}
备注
CVPR 2017 camera ready