成果名称：基于投影神经网络的三维兴趣点检测算法

成果简介：检测三维形状上的兴趣点是计算机视觉和图形学中的基础研究问题。由于三维兴趣点自身几何特征的复杂性，检测任意给定的三维形状上的兴趣点仍然是一个非常具有挑战性的问题。现有的基于数据驱动的三维兴趣点检测算法主要侧重于利用手工设计的几何特征来预测每个顶点是否为三维兴趣点的概率，由于目前国际学术界缺乏高质量的公开训练数据，现有检测算法的性能受到极大的限制。我们提出了一种基于投影神经网络的三维兴趣点检测算法。该算法首先将三维形状训练集投影到多个二维视图，然后以端到端的方式从二维视图中学习有效特征。最后，在三维形状上利用学习到的神经网络进行检测，并结合改进的密度峰值聚类算法得到最终的检测结果。该算法具有既不依赖手工制作的特征描述符也不依赖大量昂贵的三维训练数据的优点。在国际学术界公开数据集上的实验结果表明，该算法的性能明显优于已有算法。该项成果以舒振宇教授为第一作者，于2022年发表在国际计算机领域权威期刊《IEEE Transactions on Multimedia》上。

图1 算法整体流程

图2 算法检测结果