基于三元组网络的单图三维模型检索

摘要：

随着媒体数据的多样化发展,联合图像与三维模型的跨域检索成为三维模型检索问题的一个新挑战.针对图像与三维模型差异大、难匹配问题,提出了一种基于三元组网络的跨域数据检索方法.以端到端的方式构建真实图像与三维模型的特征联合嵌入空间,通过特征间的距离度量不同模态数据之间的相似性,实现从单张图像检索相似的三维模型.为了提高跨域检索准确度,将三维模型用一组顺序视图表示,结合门控循环单元(GRU)聚合视图级特征,同时引入注意力机制提取图像特征,缩小真实图像与投影视图间的语义差异.实验结果表明:相比于同类方法,所提方法在两个跨域数据集上的检索平均准确率至少提升2.98％ ～3.05％.

关键词：三维模型检索、深度学习、跨域检索、三元组网络、门控循环单元(GRU)、注意力机制

所属期刊栏目：46

分类号：TP183;TP391(自动化基础理论)

资助基金：国家自然科学基金;北京市自然科学基金;北京市教委科研团队建设项目

在线出版日期：2020-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1691-1700