基于种子区域生长CNN (SRG-Net) 的兵马俑无监督分割
计算机视觉与模式识别
2022-03-29 v1
摘要
秦始皇陵遗址博物馆中兵马俑的修复工作由专家手工完成，而出土兵马俑碎片数量的不断增加使得考古学家难以高效地进行兵马俑复原。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中，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，鲜有研究关注无监督点云部件分割。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；最后通过一种细化方法将SRG算法与我们改进的CNN相结合。该流程称为SRG-Net，旨在对兵马俑进行分割任务。我们在兵马俑数据与ShapeNet数据集上通过准确率和延迟对所提SRG-Net进行评估，实验结果表明我们的SRG-Net优于当前最先进的方法。我们的代码见Code File 1~\cite{Srgnet_2021}。
引用
@article{arxiv.2107.13167,
title = {Unsupervised Segmentation for Terracotta Warrior with Seed-Region-Growing CNN (SRG-Net)},
author = {Yao Hu and Guohua Geng and Kang Li and Wei Zhou and Xingxing Hao and Xin Cao},
journal= {arXiv preprint arXiv:2107.13167},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2012.00433