Primal-Dual Mesh Convolutional Neural Networks

论文链接：https://arxiv.org/abs/2010.12455 代码链接：https://github.com/MIT-SPARK/PD-MeshNet

用于处理3D网格(meshes)的新网络，获得了SOTA。性能优于MeshCNN、GWCNN等网络，代码刚刚开源。作者单位：ETH Zurich, 苏黎世大学, MIT

几何深度学习的最新工作已经引入了神经网络，该神经网络通过定义对三角形网格的卷积（有时是合并）操作，可以对三维几何数据执行推理任务。但是，这些方法要么将输入网格视为图形，并且不利用网格的特定几何特性进行特征聚集和下采样，要么专门用于网格，但依赖于对卷积的严格定义，而卷积的定义不能正确地捕获局部网格的拓扑。我们提出了一种将两种方法的优点结合起来的方法，同时解决了它们的局限性：我们将从图神经网络文献中得出的原始对偶框架扩展到三角形网格，并在由输入网格。我们的方法将3D网格的边缘和面的特征作为输入，并使用注意力机制动态地聚合它们。同时，我们引入了具有精确几何解释的合并操作，该操作允许通过以任务驱动的方式对网格面进行聚类来处理网格连接中的变化。我们使用网格简化文献中的工具提供了有关该方法的理论见解。此外，我们在形状分类和形状分割的任务中通过实验验证了我们的方法，从而获得了与现有技术相当或更高的性能。

内容中包含的图片若涉及版权问题，请及时与我们联系删除