Skeleton Merger：一种无监督对齐关键点检测器
计算机视觉与模式识别
2021-03-22 v1
摘要
检测对齐的三维关键点对于目标跟踪、形状检索和机器人技术等许多场景至关重要。然而，由于关键点本身存在歧义性，通常难以为所有类型的物体准备高质量的数据集。同时，当前的无监督检测器无法生成具有良好覆盖度的对齐关键点。本文提出一种无监督对齐关键点检测器 Skeleton Merger，其利用骨架来重建物体。它基于自编码器架构。编码器提出关键点并预测关键点之间边的激活强度。解码器在骨架上执行均匀采样，并将其细化为带有逐点偏移的小点云。随后应用激活强度并合并子云。我们提出复合倒角距离（Composite Chamfer Distance, CCD）作为输入点云与由激活强度掩码的子云组成的重建之间的距离。我们证明 Skeleton Merger 能够检测具有良好对齐性、语义丰富的显著关键点，并在 KeypointNet 数据集上展现出与有监督方法相当的性能。同时表明该检测器对噪声和下采样具有鲁棒性。我们的代码可在 https://github.com/eliphatfs/SkeletonMerger 获取。
引用
@article{arxiv.2103.10814,
title = {Skeleton Merger: an Unsupervised Aligned Keypoint Detector},
author = {Ruoxi Shi and Zhengrong Xue and Yang You and Cewu Lu},
journal= {arXiv preprint arXiv:2103.10814},
year = {2021}
}
备注
CVPR 2021