PVRNet：用于三维形状识别的点-视图关系神经网络
计算机视觉与模式识别
2018-12-04 v1
摘要
三维（3D）形状识别在计算机视觉领域引起了大量研究关注。深度学习的进展推动了各种用于 3D 特征表示的深度模型。对于点云和多视图数据这两种流行的 3D 数据模态，已提出具有卓越性能的不同模型。然而，点云与视图之间的关系却鲜有研究。本文中，我们引入点-视图关系网络（PVRNet），这是一种通过所提出的关系分数模块良好融合视图特征与点云特征的有效网络。更具体地，基于关系分数模块，首先通过点-单视图关系融合点云特征与每个单视图特征来提取点-单视图融合特征，然后通过点-多视图关系融合点云特征与不同数量视图的特征来提取点-多视图融合特征。最后，将点-单视图融合特征与点-多视图融合特征进一步结合，以获得 3D 形状的统一表示。我们提出的 PVRNet 已在 ModelNet40 数据集上用于 3D 形状分类与检索的评估。实验结果表明，与最先进模型相比，我们的模型能取得显著的性能提升。
引用
@article{arxiv.1812.00333,
title = {PVRNet: Point-View Relation Neural Network for 3D Shape Recognition},
author = {Haoxuan You and Yifan Feng and Xibin Zhao and Changqing Zou and Rongrong Ji and Yue Gao},
journal= {arXiv preprint arXiv:1812.00333},
year = {2018}
}
备注
9 pages, 6 figures, the 33th AAAI Conference on Artificial Intelligence (AAAI2019)