SpiralNet++：一种快速且高效的网格卷积算子
计算机视觉与模式识别
2019-11-15 v1 机器学习
摘要
具有可微核函数的内蕴图卷积算子在分析三维形状网格中起着关键作用。本文提出了一种不依赖于复杂核函数设计、快速且高效的内蕴网格卷积算子。我们显式地制定了聚合邻域顶点的顺序，而非学习节点间的权重，随后接一个全连接层以融合局部几何结构信息与顶点特征。我们提供了大量证据表明，基于该卷积算子的模型更易于训练，且能高效学习不变的形状特征。具体而言，我们在稠密形状对应、三维面部表情分类和三维形状重建三类不同任务上评估了我们的方法，结果表明其显著优于当前最优方法，同时速度显著更快，且无需依赖形状描述子。我们的源代码已在 GitHub 上公开。
引用
@article{arxiv.1911.05856,
title = {SpiralNet++: A Fast and Highly Efficient Mesh Convolution Operator},
author = {Shunwang Gong and Lei Chen and Michael Bronstein and Stefanos Zafeiriou},
journal= {arXiv preprint arXiv:1911.05856},
year = {2019}
}
备注
The IEEE International Conference on Computer Vision (ICCV) Workshops, 2019