SN-Graph：一种用于分类的极简三维物体表示
计算机视觉与模式识别
2021-06-01 v1 机器学习
摘要
使用深度学习技术处理三维物体已取得诸多成功。然而，极少有方法关注三维物体的表示，而相较于点云、体素和多视图图像等传统表示，针对特定任务的表示可能更为有效。本文中，我们提出一种球节点图（SN-Graph）来表示三维物体。具体而言，我们从有向距离场（SDF）中提取一定数量的内部球体（作为节点），然后在球节点之间建立连接（作为边）以构建图，该图无缝适用于使用图神经网络（GNN）进行三维分析。在ModelNet40数据集上的实验表明，当图中节点较少或测试物体任意旋转时，SN-Graph的分类精度显著优于最先进的方法。
引用
@article{arxiv.2105.14784,
title = {SN-Graph: a Minimalist 3D Object Representation for Classification},
author = {Siyu Zhang and Hui Cao and Yuqi Liu and Shen Cai and Yanting Zhang and Yuanzhan Li and Xiaoyu Chi},
journal= {arXiv preprint arXiv:2105.14784},
year = {2021}
}
备注
ICME 2021