通过不变残差学习实现稳定且一致的 3D 特征朝向预测
计算机视觉与模式识别
2023-06-21 v1 机器学习
摘要
学习预测 3D 点云可靠的特征朝向是一个重要且具挑战性的问题，因为同一类别的不同点云可能具有差异极大的外观。在本工作中，我们引入了一种新方法，将输入点云的形状几何与语义进行解耦，以同时实现稳定性和一致性。所提出的方法结合了基于形状几何的 SO(3)-等变学习与基于形状语义的 SO(3)-不变残差学习，其中通过使用 SO(3)-不变残差旋转校准 SO(3)-等变朝向假设，得到最终的特征朝向。在实验中，所提出的方法不仅展现出优越的稳定性和一致性，而且在给定随机旋转输入应用于点云部件分割时，也表现出 SOTA 的性能。
引用
@article{arxiv.2306.11406,
title = {Stable and Consistent Prediction of 3D Characteristic Orientation via Invariant Residual Learning},
author = {Seungwook Kim and Chunghyun Park and Yoonwoo Jeong and Jaesik Park and Minsu Cho},
journal= {arXiv preprint arXiv:2306.11406},
year = {2023}
}
备注
Accepted to ICML 2023