基于曲率图卷积的非均匀点云掩码自编码器OA北大核心CSTPCD
提出一种基于曲率图卷积的非均匀分组与掩码策略,用以优化掩码自编码器.首先,提出曲率图卷积以避免固定邻域导致的归纳偏差;其次,在曲率图卷积后引入图池化层,根据点云局部特征进行池化操作并分组;最后,在池化层输出特征的基础上学习每个分组的掩码概率来避免冗余.实验结果表明,本方法能有效提高点云掩码自编码器在下游任务的泛化效果,在ModelNet40上的分类精度达到93.7%,在Completion3Dv2上的补全精度达到5.08,均优于目前主流方法.
黄敏明;傅仰耿;
福州大学计算机与大数据学院,福建福州350108
计算机与自动化
自编码器点云图卷积神经网络预训练自监督学习
《福州大学学报(自然科学版)》 2024 (001)
P.1-6 / 6
国家自然科学基金资助项目(12271098;61773123);福建省自然科学基金资助项目(2019J01647)。
评论