FoldingNet : Auto-encodeur de nuages de points par déformation profonde de grille

Les réseaux profonds récents qui traitent directement les points dans un ensemble de points, tels que PointNet, ont été à la pointe de l'art pour les tâches d'apprentissage supervisé sur les nuages de points, comme la classification et la segmentation. Dans ce travail, une nouvelle auto-encodeur profonde en bout-à-bout est proposée pour relever les défis d'apprentissage non supervisé sur les nuages de points. Du côté de l'encodeur, une amélioration basée sur un graphe est imposée pour promouvoir les structures locales au-dessus de PointNet. Ensuite, un nouveau décodeur basé sur le pliage déforme une grille 2D canonique sur la surface 3D sous-jacente d'un nuage de points, atteignant des erreurs de reconstruction faibles même pour des objets avec des structures délicates. Le décodeur proposé utilise seulement environ 7 % des paramètres d'un décodeur avec des réseaux neuronaux entièrement connectés, mais conduit à une représentation plus discriminante qui atteint une précision de classification par SVM linéaire supérieure à celle du modèle de référence. De plus, il est montré théoriquement que la structure du décodeur proposé est une architecture générique capable de reconstruire un nuage de points arbitraire à partir d'une grille 2D. Notre code est disponible à l'adresse suivante : http://www.merl.com/research/license#FoldingNet