论文地址:http://arxiv.org/pdf/2003.01661v2.pdf 代码:https://github.com/nolenchen/3dstructurepoints 来源:中国香港大学 论文名称:Unsupervised Learning of Intrinsic Structural Representation Points 原文作者:Nenglun Chen
学习三维形状的结构信息是计算机图形学和几何处理领域的一个基本问题。本文提出了一种简单但可解释的无监督方法,以三维结构点的形式来学习新的结构表示法。该方法对固有的形状结构进行3D点结构编码,并在具有相似结构的所有形状实例中显示语义一致性。是以往方法没有完全实现的。具体来说,该方法采用3D点云作为输入,并将其编码为一组局部特征。然后将局部特征通过一个新的点集成模块生成一组三维结构点。利用倒角距离作为重构损失,保证结构点靠近输入点云。实验结果表明,该方法在语义形状一致的任务上表现SOAT,并在分割标签转移任务上与目前的方法具有相当的性能。与此同时,建立在一致结构点上的,基于PCA的形状嵌入算法在保持形状结构方面表现出良好的性能。
下面是论文具体框架结构以及实验结果:
声明:文章来自于网络,仅用于学习分享,版权归原作者所有