用于3D数据上目标分类的体积与多视图CNN
计算机视觉与模式识别
2016-05-02 v2 人工智能
摘要
3D形状模型正变得广泛可用且更易获取，使得可用的3D信息对目标分类的进展至关重要。当前最先进的方法依赖CNN来解决此问题。最近，我们见证了两类CNN的发展：基于体积表示的CNN与基于多视图表示的CNN。这两类CNN的经验结果表现出巨大差距，表明现有的体积CNN架构与方法未能充分利用3D表示的威力。本文旨在通过现有方法的广泛分析来改进体积CNN与多视图CNN。为此，我们引入了两种截然不同的体积CNN网络架构。此外，我们考察了多视图CNN，其中引入了3D中的多分辨率滤波。总体而言，我们能够在体积CNN与多视图CNN上均超越当前最先进的方法。我们提供了大量实验以评估底层设计选择，从而更好地理解可用于3D数据上目标分类的方法空间。
引用
@article{arxiv.1604.03265,
title = {Volumetric and Multi-View CNNs for Object Classification on 3D Data},
author = {Charles R. Qi and Hao Su and Matthias Niessner and Angela Dai and Mengyuan Yan and Leonidas J. Guibas},
journal= {arXiv preprint arXiv:1604.03265},
year = {2016}
}