Structured 2D Representation of 3D Data for Shape Processing

要約

固定長の構造化 2D 表現によって 3D 形状を表現することで、3D 形状に対する識別タスクと幾何学的タスクの両方に、十分に調査された 2D 畳み込みニューラル ネットワーク (CNN) を適用することが可能になります。
まず、このような構造化記述子の一般的な概要を説明し、それらのさまざまな形式を分析し、単純な 2D CNN を使用して良好な分類結果を達成する方法を示します。
画像に特化した分類ネットワークと構造化表現により、ModelNet40 テスト セットで 99.7\% の分類精度を達成し、以前の最先端技術を大幅に改善しました。
最後に、2D CNN と構造化表現を使用して 3D セグメンテーションの幾何学的タスクを実行するための新しいフレームワークを提供し、識別タスクと幾何学的タスクの両方に対するこのような記述子の有用性を結論付けます。

要約(オリジナル)

We represent 3D shape by structured 2D representations of fixed length making it feasible to apply well investigated 2D convolutional neural networks (CNN) for both discriminative and geometric tasks on 3D shapes. We first provide a general introduction to such structured descriptors, analyze their different forms and show how a simple 2D CNN can be used to achieve good classification result. With a specialized classification network for images and our structured representation, we achieve the classification accuracy of 99.7\% in the ModelNet40 test set – improving the previous state-of-the-art by a large margin. We finally provide a novel framework for performing the geometric task of 3D segmentation using 2D CNNs and the structured representation – concluding the utility of such descriptors for both discriminative and geometric tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google