【paper】MeshCNN: A Network with an Edge 基于边的卷积网络

LuminousLumin

于 2019-06-25 18:40:42 发布

阅读量6.9k

点赞数 3

分类专栏：笔记 Paper 文章标签： mesh classification segmentation

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/suian0424/article/details/93624375

版权

MeshCNN是一种新颖的网络结构，以边为中心进行卷积操作，解决了3D几何数据处理的问题。该网络通过边折叠进行池化，根据特征值大小选择边进行下采样，并利用非学习方式的反折叠进行上采样。MeshCNN在分类和分割任务中表现出与任务相关性的下采样特性，且其上采样保持了结构一致性，相比PointNet++有明显优势。文章探讨了MeshCNN与PointNet++的差异，并指出MeshCNN的感知域更贴近模型表面空间。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

SIGGRAPH 2019 的一篇paper，很有意思的工作。
论文主页：https://ranahanocka.github.io/MeshCNN/

一、简介

之前看的PointNet++是以顶点为中心定义卷积，这篇是以边为中心定义卷积。这篇paper介绍的以边为单位的卷积操作，非常直观自然，非常优雅（也可能因为最近看spectral的GCN很头疼，所以觉得这种简洁明快的网络设计简直太友好了orz

二、网络设计

卷积

以边为单位定义卷积，那么边的邻域是确定的，不像PointNet++需要通过knn寻找最近的k个邻域点。
任何一条边邻域就是所在两个三角形中的另外两条边，同时作者为了保证卷积操作的不变性，对邻域四条边进行了上图公式中的变换，之后再应用卷积。如果不做上图公式中的变化，对于同一组weight，按abcd的顺序进行卷积和按cdab的顺序进行卷积结果是不一样的。

池化

基于边的池化操作也非常好理解，使用了边折叠（ed

最低0.47元/天解锁文章

评论 11

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。