【点云识别】AdaCoSeg: Adaptive Shape Co-Segmentation with Group Consistency Loss (CVPR 2020 oral)

AdaCoSeg: Adaptive Shape Co-Segmentation with Group Consistency Loss

本文介绍一篇cvpr2020 里面关于点云识别的文章。
论文
目前还没有开源代码

1. 问题

point cloud shape co-segmentation
第一shape segmentations 有时是严重不一致的，第二同一个形状会因为处于不同的集合而被不同的分割。

2. 思想

主体是个两阶段的架构，part refinement network 和 Co-segmentation network。其中Co-segmentation network 提出了一个比较新颖的 group consistency loss.， 并且该部分是无监督的。

3. 算法

3.1 Part Refinement Network

本文想要 The part refinement network 起到一个去噪的作用。

output of the classifier indicates the “cleaned” foreground and background

3.2 Cosegmentation Network

本文将所有part 的feature descriptors 放到矩阵Mi中,更小的奇异值表示代表更一致。将不同label的part feature descriptors 拼接到一起，这个新构成的矩阵因为拥有较大的秩，表示不同part差异更大。

group consistency energy的计算公式如下

文章还给出了一个小实验，来证明这种矩阵求秩方式的loss要比MSE更有效。

4 实验结果

评价指标使用的是标准的Rand index metric


在ComplementMe dataset上取得了不错的效果。

总结

文章的实验设计值得学习。
有个小疑问，为什么不在shapenet或者partnet 数据集上做实验呢？