RocNet：用于高效三维深度表示的递归八叉树网络
计算机视觉与模式识别
2020-08-11 v1 图形学
机器学习
摘要
我们引入一种深度递归八叉树网络用于三维体素数据的压缩。我们的网络在类自编码器中将任意尺寸的体素网格压缩至极小的潜空间。我们展示了将32、64与128网格压缩至潜空间中仅80个浮点数的结果。我们在多个公开数据集上通过三项实验——三维形状分类、三维形状重建与形状生成——证明了所提方法的有效性与高效性。实验结果表明，与现有方法相比，我们的算法在保持精度的同时消耗更少内存且训练时间更短，尤其在三维重建任务中。
引用
@article{arxiv.2008.03875,
title = {RocNet: Recursive Octree Network for Efficient 3D Deep Representation},
author = {Juncheng Liu and Steven Mills and Brendan McCane},
journal= {arXiv preprint arXiv:2008.03875},
year = {2020}
}