摘要
我们提出了一种基于八叉树的卷积神经网络（O-CNN），用于三维形状分析。该方法以三维模型在最细叶节点八叉单元中采样的平均法向量作为输入，并在被三维形状表面占据的八叉单元上执行三维卷积神经网络操作。我们设计了一种新颖的八叉树数据结构，能够高效地将八叉单元信息和卷积神经网络特征存储到图形内存中，并在整个O-CNN的训练和评估过程中利用GPU进行计算。O-CNN支持多种卷积神经网络结构，并适用于不同表示形式的三维形状。通过限制计算仅在被三维表面占据的八叉单元上进行，O-CNN的内存和计算成本随着八叉树深度的增加而呈二次增长，这使得高分辨率三维模型上的三维卷积神经网络成为可能。我们将O-CNN与其他现有的三维卷积神经网络解决方案进行了性能比较，并展示了O-CNN在三个形状分析任务中的效率和有效性，包括物体分类、形状检索和形状分割。