弱监督学习下的三维点云模型簇协同分割

作者：杨军; 雷喜文

来源：计算机科学与探索, 2021, 1-12.

• 模型簇
• 协同分割
• 弱监督
• 局部卷积
• 能量函数

随着三维采集技术的快速发展，点云数据逐渐成为表示三维模型的基本数据格式之一，它可以保留模型的更多三维空间几何信息。但在三维点云模型分割研究中，大多深度学习网络架构依赖于高质量标注的数据，导致训练成本高昂。因此，针对利用带少量标注点的训练样本实现三维模型簇协同分割的问题，提出一种基于弱监督学习的三维点云模型簇协同一致分割方法。首先，通过k近邻算法建立点之间的局部邻域图；然后，利用局部卷积方法提取点云模型的部件特征并构建相似部件矩阵；最后，通过能量函数反向传播优化网络权值，获得模型簇的一致性分割结果。实验结果表明，本算法在公开数据集ShapeNet Parts上的分割准确率达到85.0%。与现有的有监督算法相比，本文算法在训练样本标签数减少至10%的情况下依然能够取得与有监督学习方法接近甚至更好的分割结果，并且与目前主流的弱监算法相比，分割准确率得到进一步提升。

• 单位
  兰州交通大学