通过曲率平滑可视化点云分类器
计算机视觉与模式识别
2020-09-02 v3
摘要
近年来，已有若干直接在点云上运行的网络被提出。理解它们对点云进行分类的机制具有重要效用，潜在有助于诊断这些网络并设计更好的架构。本文提出一种可视化对点云分类器重要的特征的新方法。我们的方法基于对点云上弯曲区域的平滑。在显著特征被平滑后，所得点云可在网络上评估，以判断该特征对分类器是否重要。本文的技术贡献是一个近似曲率平滑算法，其能平滑地从原始点云过渡到恒定曲率的点云，如均匀球体。基于该平滑算法，我们提出PCI-GOS（点云积分梯度优化显著性），一种可自动找到覆盖形状上最重要特征的最小显著性图的可视化技术。实验结果揭示了不同点云分类器的内在机制。
引用
@article{arxiv.1911.10415,
title = {Visualizing Point Cloud Classifiers by Curvature Smoothing},
author = {Chen Ziwen and Wenxuan Wu and Zhongang Qi and Li Fuxin},
journal= {arXiv preprint arXiv:1911.10415},
year = {2020}
}