张量场网络: 面向三维点云的旋转与平移等变神经网络
机器学习
2018-05-22 v3 人工智能
计算机视觉与模式识别
神经与进化计算
摘要
我们引入张量场神经网络，其在每一层对三维旋转、平移及点的置换局部等变。三维旋转等变性消除了为识别任意朝向下特征而进行数据增强的需求。我们的网络使用由球谐函数构建的滤波器；由于该滤波器选择的数学后果，每一层接受作为输入（并保证作为输出）标量、向量及高阶张量，即这些术语的几何意义。我们在几何、物理与化学的任务中展示了张量场网络的能力。
引用
@article{arxiv.1802.08219,
title = {Tensor field networks: Rotation- and translation-equivariant neural networks for 3D point clouds},
author = {Nathaniel Thomas and Tess Smidt and Steven Kearnes and Lusann Yang and Li Li and Kai Kohlhoff and Patrick Riley},
journal= {arXiv preprint arXiv:1802.08219},
year = {2018}
}
备注
changes for NIPS submission