Sélection interpolée par Conv pour les images et surfaces sphériques

Nous présentons un nouveau cadre général pour les opérations des réseaux de neurones convolutifs sur des images sphériques (ou omnidirectionnelles). Notre approche modélise la surface comme un graphe de points connectés, indépendamment d'une stratégie d'échantillonnage particulière. En outre, en utilisant une version interpolée de SelectionConv, il devient possible d'opérer sur la sphère tout en exploitant directement les réseaux CNN 2D existants et leurs poids. Étant donné que notre méthode repose sur des implémentations de graphes déjà disponibles, elle est également rapide et peut être fine-tunée de manière efficace. Cette méthode est suffisamment générale pour être appliquée à tout type de surface, y compris celles de topologie non simple. Nous démontrons l'efficacité de notre technique sur des tâches telles que le transfert de style et la segmentation pour des sphères, ainsi que la stylisation de maillages 3D. Une étude d'ablation approfondie est fournie afin d'évaluer les performances de différentes stratégies d'échantillonnage sphérique.