编者按

• Learning Implicit Fields for Generative Shape Modeling (CVPR2019) 的续作，inside / outside indicator作为shape表征

Motivation

• 把形状的 co-segmentation 看做表征学习问题
• 可以无监督、弱监督、one-shot learning，只需要用几个exemplars，就可以在shape 分割任务上好过在分割shape上训练的SOTA
• 无监督的 co-segmentation
  

overview

• 就是在Learning Implicit Fields for Generative Shape Modeling 的基础上，从原来的单个inside / outside indicator变成 k 个inside / outside indicator (branched output, one neuron each) ，然后在最后max pooling 把几个neuron compose在一起。
• 
• 让网络 “自动” 学出来一个个natural shape的neuron；没有强制保证