用于无监督点云学习的渐进式种子生成自编码器
计算机视觉与模式识别
2021-12-13 v1
摘要
随着 3D 扫描技术的发展,3D 视觉任务已成为热门研究领域。由于传感器获取的数据量巨大,无监督学习对于在不耗费昂贵标注过程的情况下理解并利用点云至关重要。本文提出一种新颖框架及名为“PSG-Net”的高效自编码器架构,用于基于重建的点云学习。不同于使用固定或随机 2D 点的现有研究,我们的框架为潜在点集生成输入依赖的逐点特征。PSG-Net 利用编码后的输入通过种子生成模块产生逐点特征,并借助种子特征传播模块以逐渐升高的分辨率在多阶段中提取更丰富的特征。我们通过实验证明了 PSG-Net 的有效性;PSG-Net 在点云重建与无监督分类上取得了最先进的性能,并在有监督补全上取得了与同类方法相当的性能。
引用
@article{arxiv.2112.05213,
title = {Progressive Seed Generation Auto-encoder for Unsupervised Point Cloud Learning},
author = {Juyoung Yang and Pyunghwan Ahn and Doyeon Kim and Haeil Lee and Junmo Kim},
journal= {arXiv preprint arXiv:2112.05213},
year = {2021}
}
备注
ICCV2021