ResNet也能用在3D模型上了,清华「计图」团队新研究已开源

2022-11-13

本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

用AI处理二维图像,离不开卷积神经网络(CNN)这个地基。

不过,面对三维模型,CNN就没有那么得劲了。

主要原因是,3D模型通常采用网格数据表示,类似于这样:

这些三角形包含了点、边、面三种不同的元素,缺乏规则的结构和层次化表示,这就让一向方方正正的CNN犯了难。

那么像VGG、ResNet这样成熟好用的CNN骨干网络,就不能用来做三维模型的深度学习了吗?

并不是。

最近,清华大学计图(Jittor)团队,就首次提出了一种针对三角网格面片的卷积神经网络SubdivNet。

基于SubdivNet,就可以将成熟的图像网络架构迁移到三维几何学习中。

并且,相关论文和代码均已开源。

基于细分结构的网格卷积网络

所以,SubdivNet是如何打破2D到3D之间的壁垒的呢?

具体而言,这是一种基于细分结构的网格卷积网络。

对于输入的网格数据,先进行重网格化(remesh),构造细分结构,得到一般网格的多分辨率表示;而后,再上重头戏——面片卷积方法和上下采样方法。

面片卷积方法

以往的网格深度学习方法,通常是将特征存储在点或者边上,这就带来了一个问题:点的度数是不固定的,而边的卷积并不灵活。

于是,计图团队提出了一种在面片上的网格卷积方法,以充分利用每个面片与三个面片相邻的规则性质。

并且,基于这样的规则性质,研究团队进一步依据面片之间的距离,设计了多种不同的卷积模式。

由于三维数据格式中的面片顺序不固定,SubdivNet在计算卷积结果时,通过取邻域均值、差分均值等方式,使得计算结果与面片顺序无关,满足排列不变性。

再来看上下采样的部分。

SubdivNet受到传统的Loop细分曲面建模的启发,构造了一种基于细分结构的上下采样方法。

也就是说,在池化(下采样)过程中,由于网格数据已经经过重网格化,其面片具有细分连接结构,就可以4片变1片,从高分辨率转为低分辨率,实现面片特征的池化操作。

而在上采样的过程中,则反过来,让面片一分为四。

如此一来,上下采样方式就是规则且均匀的,还可以实现双线性插值等需求。

结合面片卷积方法和上下采样方法,像VGG、ResNet、DeepLabV3+这样经典2D卷积网络,就可以轻松迁移到3D模型的深度学习中。

值得一提的是,SubdivNet方法是基于清华大学的深度学习框架计图(Jittor)实现的。其中,计图框架提供了高效的重索引算子,无需额外的C++代码,即可实现邻域索引。

实验结果

至于SubdivNet的效果如何,不妨直接看看实验结果。

首先,在网格分类数据集上,SubdivNet在SHREC11和Cube Engraving两个数据集中,首次达到了100%的分类正确率。

在网格分割方面,量化指标下,SubdivNet的分割准确率均高于用于对比的点云、网格方法。

而在形状对应实验中,SubdivNet也达到了SOTA水准。

这篇论文来自清华大学计算机系胡事民教授团队。

作者是胡事民及其博士生刘政宁、国孟昊、黄家辉等,还有卡迪夫大学Ralph Martin教授。

同时,他们也是清华“计图”框架团队成员。

计图是首个由中国高校开源的深度学习框架,开发团队均来自清华大学计算机系图形学实验室,负责人是胡事民教授。

该实验室的主要研究方向是计算机图形学、计算机视觉、智能信息处理、智能机器人、系统软件等,在ACM TOG, IEEE TVCG, IEEE PAMI, ACM SIGGRAPH, IEEE CVPR, IEEE ICRA, USENIX ATC等重要国际刊物上发表论文100余篇。

目前,开发计图的主力,是该实验室梁盾、杨国烨、杨国炜、周文洋、刘政宁、李相利、国孟昊和辛杭高等一批博士生。

与TensorFlow、PyTorch不同,计图是一个完全基于动态编译,使用元算子和统一计算图的深度学习框架。

此前,在可微渲染、动态图推理等方面,计图都有超越PyTorch的表现。

论文地址:

https://arxiv.org/abs/2106.02285

项目地址:

https://github.com/lzhengning/SubdivNet

参考链接:

https://mp.weixin.qq.com/s/tJjarzqU7MvS_pHWWO3JYQ

您好!请登录

点击取消回复