SPA-VAE：用于无监督三维点云生成的相似部件分配方法
计算机视觉与模式识别
2022-08-30 v2
摘要
本文解决具有学习到的基于部件自相似性的无监督部件感知点云生成问题。我们的 SPA-VAE 为任意给定物体推断一组潜在规范候选形状，以及每个候选形状到组装物体中一个或多个位置的刚体变换集合。如此，例如桌子的每条腿表面上的噪声样本可被有效结合以估计单一的腿原型。当原始数据中存在基于部件的自相似性时，以这种方式在部件间共享数据带来诸多优势：建模精度、恰当自相似的生成输出、对遮挡的精确填补以及模型简洁性。SPA-VAE 使用变分贝叶斯方法端到端训练，该方法对共享部件分配使用 Gumbel-softmax 技巧，并配合多种新颖损失以提供适当的归纳偏置。在 ShapeNet 上的定量与定性分析展示了 SPA-VAE 的优势。
引用
@article{arxiv.2203.07825,
title = {SPA-VAE: Similar-Parts-Assignment for Unsupervised 3D Point Cloud Generation},
author = {Shidi Li and Christian Walder and Miaomiao Liu},
journal= {arXiv preprint arXiv:2203.07825},
year = {2022}
}