同步规范CNN

同步光谱CNN用于三维形状分割。本文研究了以图形表示的三维模型的语义标注问题。采用函数视图来表示图上的局部信息,使得零件段或关键点等注释只不过是0-1个指标顶点函数。与二维网格图像相比,形状图是不规则的、非同构的数据结构。为了能够通过卷积神经网络预测其顶点函数,我们采用谱CNN方法,该方法通过参数化由图laplacian特征基构成的谱域中的核来实现权重共享。在这种情况下,我们的网络SyncSpecCNN努力克服两个关键的挑战:如何共享系数并在图的不同部分对单个形状进行多尺度分析,以及如何在可能由非常不同的图形表示的相关但不同的形状之间共享信息。为了实现这些目标,我们引入了一个扩展卷积核的光谱参数化和一个光谱变换网络。实验上,我们测试了SyncSpecCNN的各种任务,包括三维形状部分分割和三维关键点预测。在所有基准数据集上都实现了最先进的性能。