ABD-Net：用于三维点云分解的注意力分解网络
计算机视觉与模式识别
2021-08-10 v1 人工智能
摘要
在本文中，我们提出了注意力分解网络（ABD-Net），用于将点云分解为基本几何形状，即平面、球体、圆锥和圆柱。我们展示了使用基于点云中基元形状的注意力特征来改善三维物体分类的性能。点云作为三维物体的简单紧凑表示，日益受到欢迎。由于点集的无序性，它们需要鲁棒的特征提取方法。在 ABD-Net 中，提出的局部邻近封装器从输入点集中捕获局部几何变化以及每个点周围的空间编码。封装后的局部特征进一步传递给提出的注意力特征编码器，以学习点云中的基本形状。注意力特征编码器对所有点的邻域之间的几何关系进行建模，从而捕获全局点云信息。我们在 ANSI 机械组件和 ModelNet40 数据集上展示了我们提出的 ABD-Net 的结果。我们还通过在 ModelNet40 基准数据集上改善三维物体分类的性能，展示了 ABD-Net 在获取的注意力特征上的有效性，并将其与 SOTA 技术进行了比较。
引用
@article{arxiv.2108.04221,
title = {ABD-Net: Attention Based Decomposition Network for 3D Point Cloud Decomposition},
author = {Siddharth Katageri and Shashidhar V Kudari and Akshaykumar Gunari and Ramesh Ashok Tabib and Uma Mudenagudi},
journal= {arXiv preprint arXiv:2108.04221},
year = {2021}
}