其他分享
首页 > 其他分享> > 【点云系列】Learning Representations and Generative Models for 3D pointclouds

【点云系列】Learning Representations and Generative Models for 3D pointclouds

作者：互联网

文章目录


清理一些之前的草稿箱，写了一半忘记写完发布，望大家见谅。不过鉴于已经有好几个人翻译了全文，不懂的可以参考去看看，这篇文章真的算作点云生成模型的鼻祖了。妥妥的斯坦福出品，验证试验是真的多。基本在告诉我们高斯混合模型的好用。

1. 概要：

2018CVPR 会议论文，也算是先驱作品了。
论文：http://proceedings.mlr.press/v80/achlioptas18a/achlioptas18a.pdf
补充材料：http://proceedings.mlr.press/v80/achlioptas18a/achlioptas18a-supp.pdf
代码：https://github.com/optas/latent_3d_points

本文要点：

2. 贡献点：

3. 衡量方式：

3.1 度量

1） EMD：测地距离

限制：两个点集数量需要一致，是两个集合之间的运输问题，一一对应。
优点：几乎处处可微
在这里插入图片描述

2） CD：近邻度量

优点：度量一个集合与另一个集合最近邻的平方，不限制两个集合数量相同。且计算较EMD更高效。
在这里插入图片描述

3.2 生成模型度量方式

1） JSD：

欧几里得三维空间边界分布的简森-香农散度（Jensen-Shannon Divergence ）
用来衡量两个分布的相似度
在这里插入图片描述

2） Converage：

覆盖率的计算：用B与A的匹配比例来衡量。本质也是计算距离得到。所以计算是否相似仍然需要用到基础度量CD或EMD。
点级别的距离计算公式； EMD几乎处处可微，但CD可微且计算更为高效；

  1. Earth Mover’s distance（EMD）
    在这里插入图片描述

  2. Chamfer（pseudo）distance（CD）
    在这里插入图片描述

3） 最小匹配距离（Minimum Matching Distance，MMD）

MMD可以通过测量A对B的保真度，弥补 覆盖率的缺点（不能准确指示几何A中覆盖的有多好）

比较

MMD与Coverage互补。在MMD小Cov大的情况下，点云A集合以良好的保真度捕获了B的所有模式。
JSD是计算分布相似性的，因此其是粗略的评估两个集合之间的相似性。JSD与MMD有很好的相关性，可以作为一个有效的替代方式。

4. 表示与生成模型

基本块：
AEs：重新编码输入的架构。可以用压缩后的特征 z z z来表达原始点云。可用于重建任务。
在这里插入图片描述
GANs：基础架构：生成器G和判别器D。
G：生成与真实数据无法区分的样本，通过将一个简单分布中 随机抽取的样本传递给生成器函数。
D：把合成的样本与实际样本区分开；
在这里插入图片描述
GMM：一种概率模型，用于表示一个假设分布为多模态高斯分布的种群，即由多个子种群组成，其中每个子种群都服从高斯分布。假设已知子种群数量，利用期望最大化（EM）算法可以从随机样本中学习GMM参数（其实也就是高斯分布的均值和方差）。

4.1 原始GAN模型（r-GAN）：

训练数据集：20483点云
判别器：结构与AE相同，没有用任何Batch-Norm，使用Leaky ReLU，最后一个全连接层输出送入到sigmoid激活函数。
生成器：高斯噪声为输入，5个FC-ReLu层映射到20483输出

4.2 隐空间GAN（l-GAN）：

先训练好一个AE，然后使用AE的编码器获得隐表达特征Z。
生成器与判别器都是基于Z来进行操作。优化隐表达特征Z。
优势：结构简单。具体来说，单个隐藏层MLP的生成器与两个隐藏层MLP判别器耦合，足以产生可测量性良好和真实的结果。

4.3 高斯混合模型（GMM）：

在AE学习的隐空间建立一系列高斯混合模型（GMMs）。
尝试了各种数量的高斯分量和对角或完全协方差矩阵。
通过首先对配置的分布进行采样然后使用AE的解码器， GMM可以看成是点云生成器，类似l-GANs。

5. 实验评估

数据集

ShapeNet：轴对齐且居中与单位球体中。数据分为85%：5%：10% = 训练：验证：测试。
JSD测评使用的是283常规体素网格。

AE重建

代表性能力
使用AE潜空间上的简单加法代数编辑点云中的部分后的效果。

形状编辑：公式如下，效果如下图3，参考（Yi et al. 2016a）
在这里插入图片描述
假定给定类别可以进一步划分为两个子类：A 与B，两者有彼此没有的结构特征，可以通过它们的平均潜在表示 X B − X A \mathbf{X}_B-\mathbf{X}_A XB​−XA​的差异来模拟两个子类之间的差异。 同理可以通过 x A ′ = x A + X B − X A x_{A'}=x_A+\mathbf{X}_B-\mathbf{X}_A xA′​=xA​+XB​−XA​。参见下图3。
在这里插入图片描述
泛化性：重建后的几乎与训练的形状一样好。使用MMD捕获AE的泛化性说明。
在这里插入图片描述
潜空间探索：线性插值
对两个形状的隐表达进行线性插值后将结果进行解码，获得两个形状之间的中间变体（morph-like）。
在这里插入图片描述
形状补全：
在这里插入图片描述
分类：
训练来自55个类别的人造物体的57,000个模型。 专门针对此实验，我们使用512维度的特征。使用线性SVM进行分类，下表显示效果。可以看到简单AE效果就不错。
在这里插入图片描述
表2 ModelNet10 / 40上的分类性能（％）。 比较A：SPH（Kazhdan等人，2003），B：LFD（Chen等人，2003），C：TL-Net（Girdhar等人，2016），D：VConv-DAE（Sharma等人。 ，2016），E：3D-GAN（Wu等，2016）。

这里的SVM分类器的AE使用一个编码器，每层对应滤波器：128,128,256,512个，分别有1024,2048,2048*3个神经元的解码器。每层使用BatchNorm。沿Z轴旋转到每批输入点云来实现在线数据增强。训练1000轮的CD损失和1100轮的EMD。分类一些参数见下表。
在这里插入图片描述

评估生成模型

各类方法比较如下表，在验证-分割上通过最小JSD选择epochs/模型，在椅子数据集的测试分割上评估5个生成器。 我们报告：A：基于采样的记忆基线，B：r-GAN，C：1-GAN（AE-CD），D：1-GAN（AE-EMD），E：1-WGAN（AE-EMD）， F：GMM（AE-EMD）。可以看到GMM效果最好。
在这里插入图片描述

图6显示了随着训练的进行，生成的合成数据集与基于GAN的模型的保持测试数据之间的JSD（左）和MMD和覆盖率（右）。
注意：r-GAN努力提供测试集的良好覆盖率和良好保真度; 这暗示了一个公认的事实，即端到端的GAN通常很难训练。
在训练较少的情况下，l-GAN (AE-CD)在保真度方面表现更好，但覆盖率仍然很低。切换到基于EMD的AE用于表示并且使用相同的潜在GAN架构（l-GAN，AE-EMD），产生覆盖率和保真度的显着改善。两个l-GAN虽然遭受模式崩溃的已知问题：训练进行到一半时，第一个覆盖率开始下降，但保真度仍然处于良好水平，这意味着它们对一小部分数据进行了过度拟合。后来，随之而来的是灾难性的崩溃，覆盖率下降至0.5％。 正如预期的那样，切换到潜在的WGAN在很大程度上消除了这种崩溃。
在这里插入图片描述
图7解释了 CD距离的盲目性，其挺不爽很有那么有判别性。只对部分良好匹配有额外副作用，也就是覆盖率CD>覆盖率EMD的时候。
在这里插入图片描述

在这里插入图片描述

6. 其他

形状类比：

这里通过在隐空间 进行线性操作+欧几里得最近邻搜索 找到类似的形状，证明了隐空间的欧几里得性质。
具体：已知 A A A ， A ′ A' A′，和 B B B， 那么 B ′ = B + （ A ′ − A ） B' = B + （A' - A） B′=B+（A′−A），也就是在搜在 B B B潜在空间当中与 B ′ B' B′最近邻的结果。可用于寻找形状类比。如下图所示。
在这里插入图片描述

自动编码人

数据集D-FAUST：10个人，每人14个运动，每个运动由300个网格的时间序列捕获。
本实验：随机采样80个网格，每个网格提取4096个点云。下图展示了插值的效果。
在这里插入图片描述
在这里插入图片描述

参数选择

其他详细参数见论文

GMM
结论：具有完全协方差矩阵的模型实现比使用对角协方差训练的模型JSD小得多。
使用完全协方差矩阵式，30个或更多的集群似乎已经足够得到最小的JSD。
在这里插入图片描述

局限

罕见形状的椅子会不正确地被解码。
AE可能错过高频几何细节，无法重建不常见的例子。
在这里插入图片描述

7. 参考

  1. 论文翻译
  2. 论文翻译2

标签：EMD,AE,GAN,Models,模型,pointclouds,CD,点云,Generative
来源： https://blog.csdn.net/weixin_43882112/article/details/107509636