基于形状补全与配准联合的无监督部分点集配准
计算机视觉与模式识别
2020-09-14 v1
摘要
我们提出一种用于部分点集配准的自监督方法。尽管近期提出的学习型方法在全形状观测上取得了令人印象深刻的配准性能，这些方法在处理部分形状时大多遭遇性能退化。为弥合部分点集配准与全点集配准之间的性能差距，我们提议引入形状补全网络以裨益配准过程。为此，我们为每对形状设计一个潜码，其可视为目标形状的几何编码。如此，我们的模型确实不需要显式的特征嵌入网络来学习特征编码。更重要的是，我们的形状补全网络与点集配准网络均以共享潜码作为输入，这些潜码在训练过程中与两个解码器网络的参数一同被优化。因此，点集配准过程可受益于潜码的联合优化过程，潜码被强制表示全形状而非部分形状的信息。在推断阶段，我们固定网络参数并优化潜码以获得最优的形状补全与配准结果。我们提出的方法纯无监督，且不需要任何真值监督。在 ModelNet40 数据集上的实验证明了我们的模型在部分点集配准上的有效性。
引用
@article{arxiv.2009.05290,
title = {Unsupervised Partial Point Set Registration via Joint Shape Completion and Registration},
author = {Xiang Li and Lingjing Wang and Yi Fang},
journal= {arXiv preprint arXiv:2009.05290},
year = {2020}
}
备注
10 pages