PRNet：用于部分到部分配准的自监督学习
机器学习
2019-10-30 v2 机器学习
摘要
我们提出了一个简单、灵活且通用的框架，称为部分配准网络（PRNet），用于部分到部分的点云配准。受最近提出的基于学习的配准方法启发，我们使用深度网络来解决对齐和非完整对应问题的非凸性。先前的基于学习的方法假设整个形状可见，而 PRNet 适用于部分到部分的配准，在合成数据上优于 PointNetLK、DCP 和非学习方法。PRNet 是自监督的，联合学习适当的几何表示、在部分视图间找到公共点的关键点检测器，以及关键点到关键点的对应关系。我们展示 PRNet 跨视图和物体一致地预测关键点和对应关系。此外，学习到的表示可迁移至分类任务。
引用
@article{arxiv.1910.12240,
title = {PRNet: Self-Supervised Learning for Partial-to-Partial Registration},
author = {Yue Wang and Justin M. Solomon},
journal= {arXiv preprint arXiv:1910.12240},
year = {2019}
}
备注
NeurIPS 2019