重新审视大规模3D形状检索中的损失设计
计算机视觉与模式识别
2019-06-04 v1
摘要
学习具有判别力的形状表示是大规模3D形状检索中的关键问题。本文提出协同内积损失（CIP Loss），以获得在不同类别间具判别性、同类内聚类的理想形状嵌入。利用简单的内积操作，CIP损失显式地迫使同类特征聚类于一个线性子空间，而类间子空间被约束为至少正交。与以往的度量损失函数相比，CIP损失能为嵌入提供更清晰的几何解释，且无需参照余弦间隔的归一化操作，易于实现。此外，我们提出的损失项可与其他常用损失函数结合，并易于插入现有的现成架构中。在两个公开3D物体检索数据集ModelNet和ShapeNetCore 55上进行的大量实验证明了我们方法的有效性，且我们的方法在两个数据集上均取得了SOTA结果。
引用
@article{arxiv.1906.00546,
title = {Rethinking Loss Design for Large-scale 3D Shape Retrieval},
author = {Zhaoqun Li and Cheng Xu and Biao Leng},
journal= {arXiv preprint arXiv:1906.00546},
year = {2019}
}
备注
Accepted by IJCAI2019