用于点云预测的时空图循环神经网络
计算机视觉与模式识别
2021-02-23 v3
摘要
本文提出一种端到端学习网络，用于预测点云序列中的未来帧。其主要创新在于，一个初始层将点云的拓扑信息作为几何特征进行学习，以形成具有代表性的时空邻域。该模块之后接多个图循环神经网络（Graph-RNN）单元。每个单元通过将每个点与时空邻域点联合处理来学习点的动态（即循环神经网络状态）。我们在移动数字的MINST数据集、合成人体运动以及JPEG动态人体数据集上测试了网络性能。仿真结果表明，我们的方法优于忽略几何特征信息的基线方法。
引用
@article{arxiv.2102.07482,
title = {Spatio-temporal Graph-RNN for Point Cloud Prediction},
author = {Pedro Gomes and Silvia Rossi and Laura Toni},
journal= {arXiv preprint arXiv:2102.07482},
year = {2021}
}