德国亚琛工业大学提出DualConvMesh-Net更好处理3D网格数据
另一种可行的卷积则定义于顶点的相对位置上,但本文则重点研究那些在欧式卷积和侧地线卷积下不同的区域:测地线图卷积定义的领域是沿着表面可以通过一条边触及的顶点,这意味着邻域中只包含局域测地线尺度上接近的点;而欧式图卷积则基于欧式距离定义的邻域,一般利用k-nn或者一定半径内的图结构来得到。
为了在不同层级上对网格进行处理,提出了基于池化追踪图(pooling trace map)的方式来对网格进行不断简化。其中第0级是原始的分辨率最高的层次,网格的分辨率随着l的增加而降低。池化追踪图的目的是将l层的顶点通过双射的方式映射到下一个层次l+1的顶点集合中。而后通过边的简化算法得到l+1层的边,并连接得到的顶点。下图显示了网格的池化过程,在简化网格的同时保持测地线邻域。
实际过程中使用了两种成熟的集合处理方法,Quadric Error Metrics(QEM)和Vertex Clustering(VC),结合池化追踪图来实现池化和上采样的过程。
针对网格的池化过程
大规模场景分割
为了验证方法的有效性,研究人员在S3DIS、ScanNetV2和Matterport3D等三个大规模场景分割数据集上进行了实验。其中S3DIS来自斯坦福大学,包含六个大规模的室内场景,共三栋不同楼房内的271个房间和13类语义标签;ScanNetv2则包含了种类丰富的室内场景和对应的重建表面、纹理网格、基准语义标注等,其中包含了20个语义分类;Matterport3D包含了90个建筑尺度的RGB-D扫描结果和21个类别标注。
通过充分训练后,下表显示了本文方法的性能。在ScanNet数据和S3DIS数据集上,本方法得到了较好的结果,超过了现有的图卷积方法。
最新活动更多
-
即日-11.13立即报名>>> 【在线会议】多物理场仿真助跑新能源汽车
-
11月20日火热报名中>> 2024 智能家居出海论坛
-
11月28日立即报名>>> 2024工程师系列—工业电子技术在线会议
-
12月19日立即报名>> 【线下会议】OFweek 2024(第九届)物联网产业大会
-
即日-12.26火热报名中>> OFweek2024中国智造CIO在线峰会
-
即日-2025.8.1立即下载>> 《2024智能制造产业高端化、智能化、绿色化发展蓝皮书》
推荐专题
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论