基于t-FCW图表示的统一非参数和可解释点云分析
计算机视觉与模式识别
2026-05-18 v1 多媒体
摘要
我们引入一种强化转置全连接加权（t-FCW）图表示，将点云嵌入度量空间。虽然原始t-FCW已显示出对点云分类的有前景的效果，但其有效性的原因以及更广泛的适用性仍不清晰。本文我们分析使能t-FCW有效的属性，并设计一个仅将使能t-FCW作为特征提取器的网络。从可解释性角度，我们为分类、零件分割和语义分割构建了内存库。我们的分析揭示了使能t-FCW继承了表面描述符的鲁棒性，通过维度关系提供了可解释性。这些属性使我们能够构建一个高效且可解释的网络，在NVIDIA RTX A5000 GPU上约用7秒即可处理ModelNet40分类问题。重要的是，使能t-FCW既可作为轻量级独立基准，也可作为现有深度模型的补充插件。
引用
@article{arxiv.2605.15475,
title = {A Unified Non-Parametric and Interpretable Point Cloud Analysis via t-FCW Graph Representation},
author = {Haijian Lai and Bowen Liu and Man Xu and Chan-Tong Lam and João Macedo and Benjamin Ng and Sio-Kei Im},
journal= {arXiv preprint arXiv:2605.15475},
year = {2026}
}
备注
Accepted for publication in IEEE Transactions on Multimedia