基于循环集编码的点云处理
计算机视觉与模式识别
2019-11-26 v1
摘要
我们提出一种用于三维点云处理的新型置换不变网络。我们的网络由循环集编码器和卷积特征聚合器组成。给定一个无序点集，编码器首先将其所在空间划分为平行光束。每个光束内的点随后被建模为一个序列，并由一个共享的循环神经网络（RNN）编码为子区域几何特征。光束的空间布局是规则的，这使得光束特征可进一步输入到一个高效的二维卷积神经网络（CNN）中以进行分层特征聚合。我们的网络在空间特征学习上十分有效，并在多个基准测试上与当前最优方法（SOTA）相比具有竞争力。同时，它与 SOTA 相比显著更高效。
引用
@article{arxiv.1911.10729,
title = {Point Cloud Processing via Recurrent Set Encoding},
author = {Pengxiang Wu and Chao Chen and Jingru Yi and Dimitris Metaxas},
journal= {arXiv preprint arXiv:1911.10729},
year = {2019}
}
备注
AAAI2019