三维形状上显著区域的无人监督检测
图形学
2020-04-22 v2 计算机视觉与模式识别
摘要
本文提出一种学习与检测三维形状上显著区域的新方法。与以往需要标注数据的工作不同，我们的方法是无监督的。我们对从三维形状采样的点集进行分析，进而为无监督形状聚类任务公式化并训练一个深度神经网络，以学习用于区分给定形状集中各形状的局部与全局特征。为驱动网络以无监督方式学习，我们设计了一种基于聚类的非参数 softmax 分类器，带有对形状迭代重聚类，以及一种适配的对比损失，用于提升特征嵌入质量并稳定学习过程。至此，我们促使网络学习输入形状上点的显著性。我们广泛评估了方法的各个方面，并展示了其在显著引导的形状检索、采样及三维场景中视角选择中的应用。
引用
@article{arxiv.1905.01684,
title = {Unsupervised Detection of Distinctive Regions on 3D Shapes},
author = {Xianzhi Li and Lequan Yu and Chi-Wing Fu and Daniel Cohen-Or and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:1905.01684},
year = {2020}
}
备注
Accepted by ACM TOG