兵马俑点云的无监督分割（SRG-Net）
计算机视觉与模式识别
2022-03-29 v2 人工智能
摘要
秦始皇陵兵马俑博物馆中兵马俑的修复工作由专家手工完成，而日益增多的出土兵马俑碎片使考古学家难以高效开展修复。我们希望自动分割兵马俑的 3D 点云数据，并将碎片数据存储于数据库，以辅助考古学家将实际碎片与数据库中的碎片进行匹配，从而提高兵马俑修复效率。此外，现有 3D 神经网络研究主要集中于有监督分类、聚类、无监督表示与重建，聚焦于无监督点云部件分割的研究甚少。本文提出面向兵马俑 3D 点云的 SRG-Net 以解决上述问题。首先，我们采用定制的种子区域生长算法对点云进行粗分割；随后提出有监督分割与无监督重建网络以学习 3D 点云特征；最后，通过精炼方法将 SRG 算法与我们改进的 CNN（卷积神经网络）结合。该流程称为 SRG-Net，旨在对兵马俑进行分割任务。我们所提 SRG-Net 在兵马俑数据与 ShapeNet 数据集上通过精度和延迟进行评估，实验结果表明 SRG-Net 优于现有最优方法。我们的代码见 https://github.com/hyoau/SRG-Net。
引用
@article{arxiv.2012.00433,
title = {Unsupervised Segmentation for Terracotta Warrior Point Cloud (SRG-Net)},
author = {Yao Hu and Guohua Geng and Kang Li and Wei Zhou},
journal= {arXiv preprint arXiv:2012.00433},
year = {2022}
}