SE-ORNet：用于无监督点云形状对应的自集成朝向感知网络
计算机视觉与模式识别
2023-04-13 v1
摘要
无监督点云形状对应旨在无需人工标注点对的情况下获得点云间的密集点到点对应。然而，人类与部分动物具有双侧对称性及多种朝向，导致对称部位的严重误预测。此外，点云噪声破坏了点云的一致表示，从而降低形状对应精度。为解决上述问题，我们提出一种称为SE-ORNet的自集成朝向感知网络（Self-Ensembling ORientation-aware Network）。我们方法的关键在于利用带域自适应判别器的朝向估计模块对齐点云对的朝向，显著缓解对称部位的误预测。此外，我们设计了用于无监督点云形状对应的自集成框架。在该框架中，通过对学生与教师网络的输入施加不同数据增强扰动并约束预测一致性，克服了点云噪声的干扰。在人体与动物数据集上的大量实验表明，我们的SE-ORNet可超越最先进的无监督点云形状对应方法。
引用
@article{arxiv.2304.05395,
title = {SE-ORNet: Self-Ensembling Orientation-aware Network for Unsupervised Point Cloud Shape Correspondence},
author = {Jiacheng Deng and Chuxin Wang and Jiahao Lu and Jianfeng He and Tianzhu Zhang and Jiyang Yu and Zhe Zhang},
journal= {arXiv preprint arXiv:2304.05395},
year = {2023}
}