利用隐式解码器的三维模型簇协同分割

• 作者: 杨军 张敏敏
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 协同分割 模型簇 隐式解码器 注意力模块 无监督
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 三维点云分割|3D Point Cloud Segmentation
• 页码范围: 550-561
• 页数: 12页
• 分类号: TP391.4
• 语种: 中文

摘要

目的 为建立3维模型语义部件之间的对应关系并实现模型自动分割,提出一种利用隐式解码器(implicit decoder,IM-decoder)的无监督3维模型簇协同分割网络.方法 首先对3维点云模型进行体素化操作,进而由CNN-encoder(convolutional neural network encoder)提取体素化点云模型的特征,并将模型信息映射至特征空间.然后使用注意力模块聚合3维模型相邻点特征,将聚合特征与3维点坐标作为IM-decoder的输入来增强模型的空间感知能力,并输出采样点相对于模型部件的内外状态.最后使用max pooling聚合解码器生成的隐式场,以得到模型的协同分割结果.结果 实验结果表明,本文算法在ShapeNet Part数据集上的mIoU(mean intersection-over-union)为62.1％,与目前已知的两类无监督3维点云模型分割方法相比,分别提高了22.5％和18.9％,分割性能得到了极大提升.与两种有监督方法相比,分别降低了19.3％和20.2％,但其在部件数较少的模型上可获得更优的分割效果.相比于使用交叉熵函数作为重构损失函数,本文使用均方差函数可获得更高的分割准确率,mIoU提高了26.3％.结论 与当前主流的无监督分割算法相比,本文利用隐式解码器进行3维模型簇协同分割的无监督方法分割准确率更高.