PREMA:基于部件的循环多视图聚合网络用于三维形状检索
计算机视觉与模式识别
2021-11-10 v1 图形学
摘要
我们提出基于部件的循环多视图聚合网络(PREMA),以消除实际视图缺陷(如视图数量不足、遮挡或背景杂乱)的不利影响,并增强形状表示的判别能力。受人类主要通过判别性部件识别物体这一事实启发,我们定义了多视图一致部件(MCP),即在不同视图中重复出现的判别性部件。我们的 PREMA 能可靠定位并有效利用 MCP 构建鲁棒的形状表示。整体上,我们在 PREMA 中设计了一种新颖的区域注意力单元(RAU)来计算各视图的置信度图,并将这些图应用于视图特征以提取 MCP。PREMA 通过关联不同视图的特征来突出 MCP,并聚合部件感知特征用于形状表示。
引用
@article{arxiv.2111.04945,
title = {PREMA: Part-based REcurrent Multi-view Aggregation Network for 3D Shape Retrieval},
author = {Jiongchao Jin and Huanqiang Xu and Pengliang Ji and Zehao Tang and Zhang Xiong},
journal= {arXiv preprint arXiv:2111.04945},
year = {2021}
}
备注
Accepted by ICCSMT 2021