QuadricsNet: Learning Concise Representation for Geometric Primitives in Point Clouds

要約

この論文では、3D 点群の簡潔な幾何学的プリミティブ表現を学習するための新しいフレームワークを紹介します。
各タイプのプリミティブを個別に表現するのとは異なり、簡潔で均一な表現を堅牢に実現する方法という困難な問題に焦点を当てます。
私たちは二次関数を使用して、わずか 10 個のパラメータで多様なプリミティブを表現し、点群内の二次関数を解析するための最初のエンドツーエンド学習ベースのフレームワーク、つまり QuadricsNet を提案します。
二次関数の数学的定式化と、タイプ、スケール、ポーズなどの幾何学的属性の間の関係は、QuaidricsNet の効果的な監視のために洞察力に富んで統合されています。
さらに、トレーニングと評価のために、二次曲線のセグメントとオブジェクトを含む新しいパターンを包括するデータセットが収集されます。
実験により、簡潔な表現の有効性と QuadricsNet の堅牢性が実証されました。
コードは \url{https://github.com/MichaelWu99-lab/QuadricsNet} で入手できます。

要約(オリジナル)

This paper presents a novel framework to learn a concise geometric primitive representation for 3D point clouds. Different from representing each type of primitive individually, we focus on the challenging problem of how to achieve a concise and uniform representation robustly. We employ quadrics to represent diverse primitives with only 10 parameters and propose the first end-to-end learning-based framework, namely QuadricsNet, to parse quadrics in point clouds. The relationships between quadrics mathematical formulation and geometric attributes, including the type, scale and pose, are insightfully integrated for effective supervision of QuaidricsNet. Besides, a novel pattern-comprehensive dataset with quadrics segments and objects is collected for training and evaluation. Experiments demonstrate the effectiveness of our concise representation and the robustness of QuadricsNet. Our code is available at \url{https://github.com/MichaelWu99-lab/QuadricsNet}

arxiv情報

提供元, 利用サービス

arxiv.jp, Google