计算机辅助设计与图形学学报

作者：范有福, 白静, 邵会会, 彭斌

关键词：三维模型分类, 零样本学习, 判别性特征, 联合损失, 细粒度对齐

基于零样本学习的三维模型分类是三维视觉领域的一个新兴话题, 旨在对未经训练的三维模型进行正确分类.针对零样本三维模型分类中存在重视全局而忽视局部, 强制约束而无视语义-视觉跨域差异性, 导致整体性能低下的问题, 提出一种判别性特征引导的零样本三维模型分类算法.首先, 以三维模型的多视图表征为输入, 自适应地捕获三维模型的局部判别性特征, 获得具有良好语义对应性的视觉特征表示；其次, 以词向量的形式引入类的语义表示, 结合条件生成对抗网络生成类的伪视觉特征；最后, 提出语义判别损失和内容感知损失联合监督, 从语义到内容共同约束真实视觉特征和伪视觉特征的对齐, 鼓励模型学习具有高局部判别性的特征, 实现语义-视觉的跨域细粒度对齐.在ZS3D数据集上达到了60.9%的Top-1准确率, 超越当前最好方法2.3个百分点, 同时在Ali数据集的3个子数据集上也分别取得31.9%, 9.9%和16.6%的准确率, 均达到了较好的实验效果, 验证了该算法的有效性和普适性.

来源：2024年第2期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第2期