前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >开源 | DGCNN 可以表征拓扑结构的点云分割算法,效果SOTA

开源 | DGCNN 可以表征拓扑结构的点云分割算法,效果SOTA

作者头像
CNNer
发布2020-06-19 15:51:27
1.2K0
发布2020-06-19 15:51:27
举报
文章被收录于专栏:CNNer

论文地址:https://arxiv.org/abs/1801.07829v1 代码:https://github.com/WangYueFt/dgcnn.git 来源:麻省理工学院 论文名称:Dynamic Graph CNN for Learning on Point Clouds 原文作者:Yue Wang

点云数据提供了一种灵活的几何表示,可以适用于计算机图形学中的很多应用。他们还包含了很多3D采集设备的原始输出数据。虽然人工设计的点云特征取得了不错的实验结果,但是当前CNN网络结构在图像领域取得的巨大成功,推测其在点云的处理领域也存在较大的应用价值。点云数据格式在设计之初天然的缺少拓扑信息,所以设计一个模型可以回复拓扑信息增加点云的表示能力,是一个重要的处理方案。为此本文设计了新的网络模型被称为EdgeConv,该模型适用于基于CNN的高级别的点云分割和点云聚类任务。EdgeConv的作用在于在每层中计算网络动态图。本结构是可微的并且能够直接插入到当前的网络结构中。在整体上和单个点上与当前已有的一些模型进行对比, EdgeConv 存在以下几个优点:1、整合了局部的领域信息;2、可以叠加使用来学习全局的形状特征;3、并且在多层的结构中,由于特征空间的亲和性,该结构可以捕获嵌入在点云中的原始隐藏特征。本文在ModelNet40, ShapeNetPart和S3DIS三种数据集中进行了测试。

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,侵权请加上文微信联系删除。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-05-02,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 CNNer 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档