APPT：用于三维点云理解的非对称并行点 Transformer
计算机视觉与模式识别
2023-04-03 v1
摘要
基于 Transformer 的网络在三维点云理解中取得了令人印象深刻的性能。然而，它们大多集中于聚合局部特征，而忽略直接建模全局依赖，导致有效感受野有限。此外，如何有效融合局部与全局成分也仍具挑战。为解决这些问题，我们提出非对称并行点 Transformer（APPT）。具体而言，我们引入全局枢轴注意力以提取全局特征并扩大有效感受野。而且，我们设计非对称并行结构以有效整合局部与全局信息。结合这些设计，APPT 能够在整个网络中全局捕获特征，同时关注局部细节特征。大量实验表明，我们的方法优于先前方法，并在若干三维点云理解基准上达到最先进水平，如 S3DIS 上的三维语义分割、ModelNet40 上的三维形状分类，以及 ShapeNet 上的三维部件分割。
引用
@article{arxiv.2303.17815,
title = {APPT : Asymmetric Parallel Point Transformer for 3D Point Cloud Understanding},
author = {Hengjia Li and Tu Zheng and Zhihao Chi and Zheng Yang and Wenxiao Wang and Boxi Wu and Binbin Lin and Deng Cai},
journal= {arXiv preprint arXiv:2303.17815},
year = {2023}
}