PVNet: A Joint Convolutional Network of Point Cloud and Multi-View for 3D Shape Recognition

论文链接:http://gaoyue.org/paper/PVNet.pdf

摘要

       3D目标识别已经吸引研究者们的注意在领域多媒体和计算机视觉。随着最近涌入的深度学习,各种深度模型使用不同的展示形式实现先进的表现。大部分它们,点云和多视点基于3D模型展示正在引进在最近,它们对应的深度模型已经展示出重要性在3D模型识别。然而,有较少集中在点云数据和多视点数据对于3D模型展示,在我们的研究中,它们是有益和互补的相互。在这篇文章中,我们提出点视网络PVNet,首先框架集成点云和多视点数据加入到3D模型识别。较明确地,一个嵌入注意融合观点是提出利用高阶特征从多视角数据去模型内相关和区别不同的结构特征从点云数据。尤其,这个区别描述被量化和利用作为软注意mask,来重定义3D模型特征。我们已经评估这个提出的方法在ModelNet40数据集对3D模型分类和检索任务。实验结果和对比先进的方法证明我的框架能够实现较好的性能。

效果图

PVNet: A Joint Convolutional Network of Point Cloud and Multi-View for 3D Shape Recognition_第1张图片

只有点云以及多视角下的3D识别,以及将二者融合在一起后的效果。

系统框架

PVNet: A Joint Convolutional Network of Point Cloud and Multi-View for 3D Shape Recognition_第2张图片

在ModelNet40数据集的算法对比

PVNet: A Joint Convolutional Network of Point Cloud and Multi-View for 3D Shape Recognition_第3张图片

你可能感兴趣的:(三维重建)