SHRED：基于学习局部操作的 3D 形状区域分解
计算机视觉与模式识别
2022-10-04 v2 图形学
机器学习
摘要
我们提出 SHRED，一种用于 3D 形状区域分解（SHape REgion Decomposition）的方法。SHRED 以 3D 点云为输入，并利用学习的局部操作产生近似细粒度部件实例的分割。我们赋予 SHRED 三种分解操作：拆分区域、修复区域间边界以及合并区域。各模块独立且局部地训练，使 SHRED 能为训练时未见的类别生成高质量分割。我们利用 PartNet 的细粒度分割训练并评估 SHRED；通过其合并阈值超参数，我们表明相较于基线方法，SHRED 在任何所需分解粒度下均能生成更贴合真值标注的分割。最后，我们展示 SHRED 对下游应用有用，当与学习标注形状区域的方法结合时，在零样本细粒度部件实例分割与少样本细粒度语义分割上优于所有基线。
引用
@article{arxiv.2206.03480,
title = {SHRED: 3D Shape Region Decomposition with Learned Local Operations},
author = {R. Kenny Jones and Aalia Habib and Daniel Ritchie},
journal= {arXiv preprint arXiv:2206.03480},
year = {2022}
}
备注
SIGGRAPH ASIA 2022