用于三维密集预测的正切卷积
计算机视觉与模式识别
2018-07-09 v1
摘要
我们提出了一种基于深度卷积网络的语义场景分析方法。我们的方法建立在正切卷积之上——这是一种针对三维数据的卷积网络新构造。与基于体素的方法不同，我们的方法直接在曲面几何上操作。关键在于，该构造适用于非结构化点云及其他含噪的真实世界数据。我们展示了正切卷积可在包含数百万个点的规模化点云上高效计算。利用正切卷积，我们设计了一个用于三维点云语义分割的深度全卷积网络，并将其应用于具有挑战性的室内外三维环境真实世界数据集。实验结果表明，所提方法在大型三维场景的精细分析中优于其他近期深度网络构造。
引用
@article{arxiv.1807.02443,
title = {Tangent Convolutions for Dense Prediction in 3D},
author = {Maxim Tatarchenko and Jaesik Park and Vladlen Koltun and Qian-Yi Zhou},
journal= {arXiv preprint arXiv:1807.02443},
year = {2018}
}