ParSeNet：一种用于三维点云的参数化曲面拟合网络
计算机视觉与模式识别
2020-09-23 v5 机器学习
摘要
我们提出了一种新颖的、端到端可训练的深层网络 ParSeNet，它将三维点云分解为参数化曲面块，包括 B 样条块以及基本几何基元。ParSeNet 在大规模人造三维形状数据集上训练，并捕获用于形状分解的高层语义先验。它比先前工作处理的基元类别丰富得多，并允许我们以更高的保真度表示曲面。与纯几何方法相比，它还能产生可重复且鲁棒的曲面参数化。我们进行了大量实验，以针对解析方法和基于学习的替代方案验证我们的方法。我们的源代码公开于：https://hippogriff.github.io/parsenet。
引用
@article{arxiv.2003.12181,
title = {ParSeNet: A Parametric Surface Fitting Network for 3D Point Clouds},
author = {Gopal Sharma and Difan Liu and Subhransu Maji and Evangelos Kalogerakis and Siddhartha Chaudhuri and Radomír Měch},
journal= {arXiv preprint arXiv:2003.12181},
year = {2020}
}