Partial Symmetry Detection for 3D Geometry using Contrastive Learning with Geodesic Point Cloud Patches

要約

対称性の検出、特に部分的および外部対称性は、3D ジオメトリの完成、セグメンテーション、圧縮、構造を認識した形状のエンコードまたは生成など、さまざまな下流タスクに不可欠です。
部分的な外部対称性を検出するために、測地点群パッチの回転、反射、平行移動、スケール不変の局所形状特徴を対比学習によって学習することを提案します。これは複数のクラスにわたって堅牢であり、さまざまなデータセットにわたって一般化されます。
私たちのアプローチがこの曖昧な問題に対して複数の有効な解決策を抽出できることを示します。
さらに、私たちの方法を評価するために、部分的な外部対称性検出のための新しいベンチマーク テストを導入します。
最後に、検出された対称性を領域拡大アルゴリズムと組み合わせて、3D 形状の対称性を意識したパーティションを計算することを目的とした下流タスクを実証します。
私たちの知る限り、部分外部対称性検出のための自己教師ありデータ駆動型手法を提案したのは私たちが初めてです。

要約(オリジナル)

Symmetry detection, especially partial and extrinsic symmetry, is essential for various downstream tasks, like 3D geometry completion, segmentation, compression and structure-aware shape encoding or generation. In order to detect partial extrinsic symmetries, we propose to learn rotation, reflection, translation and scale invariant local shape features for geodesic point cloud patches via contrastive learning, which are robust across multiple classes and generalize over different datasets. We show that our approach is able to extract multiple valid solutions for this ambiguous problem. Furthermore, we introduce a novel benchmark test for partial extrinsic symmetry detection to evaluate our method. Lastly, we incorporate the detected symmetries together with a region growing algorithm to demonstrate a downstream task with the goal of computing symmetry-aware partitions of 3D shapes. To our knowledge, we are the first to propose a self-supervised data-driven method for partial extrinsic symmetry detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google