SurfConv：为 RGBD 图像桥接 3D 与 2D 卷积
计算机视觉与模式识别
2018-12-05 v1
摘要
我们致力于在卷积神经网络中使用 3D 信息以服务于下游识别任务。将深度作为 RGB 输入之外的附加通道会面临基于图像卷积方法中的尺度方差问题。另一方面，3D 卷积在主要由传感器可见表面构成的、大部分为空旷的 3D 空间上浪费大量内存。作为替代，我们提出 SurfConv，其沿可见 3D 表面“滑动”紧凑的 2D 滤波器。SurfConv 通过一种新的数据驱动深度离散化（D4）方案，被表述为一种简单的深度感知多尺度 2D 卷积。我们在室内与室外 3D 语义分割数据集上证明了方法的有效性。我们的方法以少于基于 3D 卷积方法 30% 的参数取得了最先进的性能。
引用
@article{arxiv.1812.01519,
title = {SurfConv: Bridging 3D and 2D Convolution for RGBD Images},
author = {Hang Chu and Wei-Chiu Ma and Kaustav Kundu and Raquel Urtasun and Sanja Fidler},
journal= {arXiv preprint arXiv:1812.01519},
year = {2018}
}
备注
Published at CVPR 2018