訂閱
糾錯(cuò)
加入自媒體
當(dāng)前位置： OFweek 人工智能網(wǎng)   >   大數(shù)據(jù)   >  正文

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(diǎn)的相對(duì)位置上，但本文則重點(diǎn)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(diǎn)，這意味著鄰域中只包含局域測地線尺度上接近的點(diǎn)；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(jí)上對(duì)網(wǎng)格進(jìn)行處理，提出了基于池化追蹤圖（pooling trace map）的方式來對(duì)網(wǎng)格進(jìn)行不斷簡化。其中第0級(jí)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(diǎn)通過雙射的方式映射到下一個(gè)層次l＋1的頂點(diǎn)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(diǎn)。下圖顯示了網(wǎng)格的池化過程，在簡化網(wǎng)格的同時(shí)保持測地線鄰域。

實(shí)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(shí)現(xiàn)池化和上采樣的過程。

針對(duì)網(wǎng)格的池化過程

大規(guī)模場景分割

為了驗(yàn)證方法的有效性，研究人員在S3DIS、ScanNetV2和Matterport3D等三個(gè)大規(guī)模場景分割數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。其中S3DIS來自斯坦福大學(xué)，包含六個(gè)大規(guī)模的室內(nèi)場景，共三棟不同樓房內(nèi)的271個(gè)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(duì)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(gè)語義分類；Matterport3D包含了90個(gè)建筑尺度的RGB－D掃描結(jié)果和21個(gè)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(hào)的作者撰寫，觀點(diǎn)僅代表作者本人，不代表OFweek立場。如有侵權(quán)或其他問題，請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

共0條評(píng)論，0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長度6~500個(gè)字

您提交的評(píng)論過于頻繁，請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清，點(diǎn)擊換一張  刷新

暫無評(píng)論

暫無評(píng)論

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

    粵公網(wǎng)安備 44030502002758號(hào)