PIE-NET：点云边缘的参数化推断
计算机视觉与模式识别
2020-10-27 v2
摘要
我们引入一种端到端可学习的技术，用于鲁棒地识别 3D 点云数据中的特征边缘。我们将这些边缘表示为参数曲线（即直线、圆与 B 样条）的集合。相应地，我们提出的深度神经网络 PIE-NET 被训练用于边缘的参数化推断。该网络依赖于一种“区域提议”架构，其中第一个模块提议一组过完备的边缘点与角点，第二个模块对每个提议进行排序以决定是否应被采纳。我们在大型 CAD 模型数据集 ABC 上训练并评估我们的方法，并将结果与传统的（非学习的）处理流水线以及近期一种基于深度学习的边缘检测器（EC-NET）所得结果进行比较。从定量与定性角度看，我们的结果均显著优于当前最优（SOTA）方法。
引用
@article{arxiv.2007.04883,
title = {PIE-NET: Parametric Inference of Point Cloud Edges},
author = {Xiaogang Wang and Yuelang Xu and Kai Xu and Andrea Tagliasacchi and Bin Zhou and Ali Mahdavi-Amiri and Hao Zhang},
journal= {arXiv preprint arXiv:2007.04883},
year = {2020}
}