Shape2Motion：从三维形状联合分析运动部件与运动属性
计算机视觉与模式识别
2019-03-13 v2 图形学
摘要
针对三维形状的可动性分析任务，我们提出联合分析以同时实现运动部件分割与运动属性估计，以单个三维模型作为输入。该问题与此前现有工作所处理的那些问题显著不同，后者假定具备已有的形状分割或多张处于不同运动状态的三维模型。为此，我们开发了 Shape2Motion，其以单个三维点云作为输入，联合计算面向可动性的分割及相应的运动属性。Shape2Motion 由两个深度神经网络组成，分别用于可动性提议生成与可动性优化。这些网络的关键贡献在于用于运动部件分割与运动属性估计的新颖运动驱动特征与损失。这基于如下观察：功能部件的运动保持形状结构。我们以一个新提出的三维形状可动性分析基准对 Shape2Motion 进行评估。结果表明，我们的方法在运动部件分割与运动属性估计上均达到了最先进性能。
引用
@article{arxiv.1903.03911,
title = {Shape2Motion: Joint Analysis of Motion Parts and Attributes from 3D Shapes},
author = {Xiaogang Wang and Bin Zhou and Yahao Shi and Xiaowu Chen and Qinping Zhao and Kai Xu},
journal= {arXiv preprint arXiv:1903.03911},
year = {2019}
}
备注
CVPR 2019 (oral presentation); Corresponding author: Kai Xu ([email protected]); Project page: www.kevinkaixu.net/projects/shape2motion.html