基于互重建的 3D 语义关键点无监督学习
计算机视觉与模式识别
2022-03-22 v1
摘要
语义 3D 关键点是 3D 物体上类别级别的语义一致点。检测 3D 语义关键点是诸多 3D 视觉任务的基础，但由于语义信息的模糊性，尤其是当物体以无序 3D 点云表示时，该任务仍具挑战性。现有的无监督方法倾向于以隐式方式生成类别级关键点，这使得提取高层信息（如语义标签和拓扑结构）变得困难。我们从一种新颖的互重建视角出发，提出一种无监督方法，从点云中显式地生成一致的语义关键点。为实现这一目标，所提模型预测的关键点不仅能重建物体自身，还能重建同一类别中的其他实例。据我们所知，该方法是首个从互重建视角挖掘 3D 语义一致关键点的工作。多种评估指标下的实验以及与最先进方法的对比，证明了我们基于互重建挖掘语义一致关键点这一新方案的有效性。
引用
@article{arxiv.2203.10212,
title = {Unsupervised Learning of 3D Semantic Keypoints with Mutual Reconstruction},
author = {Haocheng Yuan and Chen Zhao and Shichao Fan and Jiaxi Jiang and Jiaqi Yang},
journal= {arXiv preprint arXiv:2203.10212},
year = {2022}
}