学习型 3D 特征的性能评估
计算机视觉与模式识别
2019-09-17 v1
摘要
曲面匹配是一个具有挑战性的 3D 计算机视觉问题，通常由局部特征解决。尽管文献中已提出多种 3D 特征检测子与描述子，但它们很少被一同提出，且目前尚不清楚如何为特定应用确定最有效的检测子-描述子配对。一个有前景的方案是利用机器学习为任意给定 3D 描述子学习最优 3D 检测子 [15]。本文中，我们报告了通过为最流行的 3D 描述子学习配对 3D 检测子所获得的检测子-描述子配对的性能评估。具体而言，我们针对物体识别与曲面配准的实验设置展开研究。
引用
@article{arxiv.1909.06884,
title = {Performance Evaluation of Learned 3D Features},
author = {Riccardo Spezialetti and Samuele Salti and Luigi Di Stefano},
journal= {arXiv preprint arXiv:1909.06884},
year = {2019}
}