我正在尝试创建自己的 3d 形状描述符，其想法是如何评估我的描述符的好坏程度？
我检查的是他们通过形状匹配、形状检索等来评估描述符。
但是我现在的情况是在将我的描述符应用于应用程序之前，但是，如果描述符满足诸如对变换（缩放、旋转、平移）不变等属性的要求，它可能会很好。
这是多少准确，如果我们假设这一点，我已经尝试实现，我的情况是我有主模型的描述符 a 的特征向量和缩放对象的相同描述符，例如，我应该如何验证它是不变的规模与否？例如应用什么样的方程！
评估 3D 形状描述符
计算科学
优化
Python
算法
图像处理
计算机视觉
2021-12-17 07:34:02
1个回答
对形状的 3D 局部特征描述符进行了很好的研究。通常，人们倾向于将输入表示为一组点（点云），并尝试使用低维签名（即描述符）来表征局部邻域。传统的描述符，类似于它们的 2D 对应物，涉及某种直方图，例如SHOT、FPFH、ROPS或Spin Images。在PointNet之后，更现代的算法涉及对点集的深度学习以提取局部描述符。该领域的先驱是PPFNet、PPF-FoldNet、3DR、3DMatch、3DSN和FCGF。
现在有完善的基准，例如3DMatch、ScanNet或Redwood。诸如此类的最先进算法使用这些数据集进行评估。评估的详细信息可以在相应的论文中找到。其中许多人消融了它们在场景的不同变换下的表现（例如，PPF-FoldNet 和 3DR 是旋转不变的）。传统算法在较小的数据集上进行评估（因为它们不需要学习）。为了更广泛地理解该主题，我建议对 3D 局部描述符和点对特征的性能评估进行此调查。如果您考虑非刚性形状，您会发现罗斯塔米等。al'19有用。
同样，数据集、评估指标和实验设置可以在后面的论文中找到。