DL00294-2D图像空间中3D点云分割Delaunay三角剖分
研究如何有效和高效地将这样的点云投影到2D图像空间，以便应用传统的2D卷积神经网络（CNNs），如U-Net，进行分割。为此，受到图形绘制的启发，将其重新制定为整数规划问题，以学习保持拓扑的图到网格映射，适用于每个单独的点云。为了在实际计算中加速计算，进一步提出了一种新颖的层次近似算法。通过使用Delaunay三角剖分从点云构建图形，并使用多尺度U-Net进行分割，成功地在ShapeNet和PartNet上展示了最先进的性能
研究如何有效和高效地将这样的点云投影到2D图像空间，以便应用传统的2D卷积神经网络（CNNs），如U-Net，进行分割。为此，受到图形绘制的启发，将其重新制定为整数规划问题，以学习保持拓扑的图到网格映射，适用于每个单独的点云。为了在实际计算中加速计算，进一步提出了一种新颖的层次近似算法。通过使用Delaunay三角剖分从点云构建图形，并使用多尺度U-Net进行分割，成功地在ShapeNet和PartNet上展示了最先进的性能