获取完整原文和代码,公众号回复:09020435959
论文地址: http://arxiv.org/pdf/2003.05593v4.pdf
代码: 公众号回复:09020435959
来源: 伍斯特理工学院
论文名称:Learning to Segment 3D Point Clouds in 2D Image Space
原文作者:Yecheng Lyu
内容提要
与文献中通过定制的卷积算子捕捉3D点云的局部模式不同,在本文中,我们研究了如何有效、高效地将这些点云投影到二维图像空间中,使传统的二维卷积神经网络(CNN)(例如U-Net)可用于分割。为此,我们的目的是绘制图,并将其重新规划为一个整数变成问题,以学习每个单个点云的topology-preserving图到网格映射。为了在实际应用中加快计算速度,本文进一步提出了一种新的分层近似算法。借助从点云构建图的Delaunay三角剖分法和用于分割的多尺度U-Net,我们分别在ShapeNet和PartNet上展示了最先进的性能,与其他优秀算法相比有显著的改进。
论文主要实现:
(1)从点云构造图。
(2)使用图形绘图将图形投影到图像中。
(3)使用U-Net分割点。
主要框架及实验结果
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。