机构名称：
¥ 1.0
随着计算机视觉的快速发展，3D数据正在迅速增加。如何从大量模型中检索类似模型已成为一个热门研究主题。但是，为了满足人们的需求，需要进一步提高检索准确性。在多视图3D模型检索方面，如何有效地学习视图之间的信息是提高性能的关键。在本文中，我们提出了一种基于注意力和多视图融合的新型3D模型检索算法。具体来说，我们主要构建了两个模块。首先，动态的专注图学习模块用于学习视图块之间的内在关系；然后，我们提出了注意力网络算法，该算法结合了通道注意算法和NetVlad算法。，它根据特征通道之间的信息来学习特征通道之间的信息，以增强特征表达能力，然后使用NetVlad算法根据聚类信息将多个视图功能融合到全局特征中。本质上，全局特征是根据欧几里得距离来检索的模型的唯一功能。与使用ModelNet10和ModelNet40的其他最新方法相比，该方法证明了检索图的显着改善。我们的实验还证明了模块在算法中的有效性。
3D模型检索算法基于注意力和多...
主要关键词
相关文件推荐
