AI论文探讨室·A+·第8期 Multi-view Convolutional Neural Networks for 3D Shape Recognition

AI论文探讨室·A+·第8期 Multi-view Convolutional Neural Networks for 3D Shape Recognition

《Multi-view Convolutional Neural Networks for 3D Shape Recognition》

​​论文地址​​

​​实验室主页​​

主要解决的问题：3D形状识别

主要描述

本论文提出一个标准的CNN框架训练来识别每个独立形状的渲染，以及展示一个3D形状能够识别即使从一张图像，它的准确率也是比当前先进的3D形状描述高。当多视点的形状被提供后，识别率明显提高。另外我们展示了一个新颖的CNN框架，能够融合来自多视点的3D形状到一张图像和小型的形状描述提供较好的识别性能。相同的框架能够用来精确地识别人手绘骨骼形状。本论文证实2D视角集合具有较高3D形状识别信息，能够适用于CNN框架及衍生的框架。

系统框架

对渲染的3D模型，获取不同虚拟相机下拍摄的2D图像，并且每张图像通过

提取视角下的基础特征。将每个视角下得到的特征通过视角池化和

得到一个相对的形状描述。

在ModelNet40数据集上分类和索引结果

与当前先进的3D形状描述进行对比，并且实验中还测试视角数为1、12、80情况下的分类和索引的性能，并且在metric+80X情况下分类精度达到了90.1%，metric+12X索引达到了80.2%。

主要工作

（1）使用多个视角下的2D图像，来描述3D形状；

下一步工作

（1）不同视角的2D图像结合，哪个视角小的效果最好；

（2）对于一个给定的精确度，多少个视角下的图像是必要的；

（3）是否可以在空中选择视角；

（4）本论文提出的方案是否可以用在真实世界的3D目标的描述，而不是在3D polygon mesh 模型上；

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。