訂閱
糾錯
加入自媒體

德國亞琛工業(yè)大學(xué)提出DualConvMesh-Net更好處理3D網(wǎng)格數(shù)據(jù)

另一種可行的卷積則定義于頂點的相對位置上,但本文則重點研究那些在歐式卷積和側(cè)地線卷積下不同的區(qū)域:測地線圖卷積定義的領(lǐng)域是沿著表面可以通過一條邊觸及的頂點,這意味著鄰域中只包含局域測地線尺度上接近的點;而歐式圖卷積則基于歐式距離定義的鄰域,一般利用k-nn或者一定半徑內(nèi)的圖結(jié)構(gòu)來得到。

為了在不同層級上對網(wǎng)格進行處理,提出了基于池化追蹤圖(pooling trace map)的方式來對網(wǎng)格進行不斷簡化。其中第0級是原始的分辨率最高的層次,網(wǎng)格的分辨率隨著l的增加而降低。池化追蹤圖的目的是將l層的頂點通過雙射的方式映射到下一個層次l+1的頂點集合中。而后通過邊的簡化算法得到l+1層的邊,并連接得到的頂點。下圖顯示了網(wǎng)格的池化過程,在簡化網(wǎng)格的同時保持測地線鄰域。

實際過程中使用了兩種成熟的集合處理方法,Quadric Error Metrics(QEM)和Vertex Clustering(VC),結(jié)合池化追蹤圖來實現(xiàn)池化和上采樣的過程。

針對網(wǎng)格的池化過程

大規(guī)模場景分割

為了驗證方法的有效性,研究人員在S3DIS、ScanNetV2和Matterport3D等三個大規(guī)模場景分割數(shù)據(jù)集上進行了實驗。其中S3DIS來自斯坦福大學(xué),包含六個大規(guī)模的室內(nèi)場景,共三棟不同樓房內(nèi)的271個房間和13類語義標(biāo)簽;ScanNetv2則包含了種類豐富的室內(nèi)場景和對應(yīng)的重建表面、紋理網(wǎng)格、基準(zhǔn)語義標(biāo)注等,其中包含了20個語義分類;Matterport3D包含了90個建筑尺度的RGB-D掃描結(jié)果和21個類別標(biāo)注。
通過充分訓(xùn)練后,下表顯示了本文方法的性能。在ScanNet數(shù)據(jù)和S3DIS數(shù)據(jù)集上,本方法得到了較好的結(jié)果,超過了現(xiàn)有的圖卷積方法。

<上一頁  1  2  3  下一頁>  
聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權(quán)或其他問題,請聯(lián)系舉報。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯
x
*文字標(biāo)題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗 證 碼:

粵公網(wǎng)安備 44030502002758號