Representação 3D Baseada em Termos Quadráticos de Ponto para Superfície para Aprendizado Profundo de Nuvem de Pontos

Neste artigo, introduzimos uma nova representação de ponto para superfície para aprendizado de nuvem de pontos 3D. Ao contrário dos métodos anteriores que adotam principalmente coordenadas de voxel, malha ou ponto, propomos enfrentar esse problema de uma nova perspectiva: aprender um conjunto de termos quadráticos baseados em superfícies de referência estáticas e globais para descrever formas 3D, de modo que as coordenadas de um ponto 3D (x, y, z) possam ser estendidas a termos quadráticos (xy, xz, yz) e transformadas na relação entre o ponto local e as superfícies de referência globais. Então, as superfícies estáticas são transformadas em superfícies dinâmicas por meio de ponderação de contribuição adaptativa para melhorar a capacidade descritiva. Para isso, propomos nossa representação de ponto para superfície, uma nova representação para aprendizado de nuvem de pontos 3D que não foi tentada antes, e que pode reunir informações geométricas locais e globais de forma eficaz, construindo conexões entre a nuvem de pontos e as superfícies de referência aprendidas. Dado pontos 3D, mostramos como as superfícies de referência são construídas, e como são inseridas no pipeline de aprendizado 3D para diferentes tarefas. Os resultados experimentais confirmam a eficácia de nossa nova representação, que superou os métodos de ponta nas tarefas de classificação e segmentação 3D.