ASAP-Net：关注注意力与结构信息的点云序列分割
计算机视觉与模式识别
2020-08-13 v1
摘要
近期点云的工作表明，利用跨帧信息的多帧时空建模优于单帧版本。在本文中，我们通过一个称为ASAP的灵活模块进一步改进时空点云特征学习，该模块同时考虑跨帧的注意力与结构信息，我们发现它们是动态点云成功分割的两个重要因素。首先，我们的ASAP模块包含一个新的注意力时间嵌入层，以循环方式融合跨帧中信息量较大的局部特征。其次，提出了一种高效的时空相关性方法来挖掘更多局部结构用于嵌入，同时增强时间一致性并降低计算复杂度。最后，我们展示了所提ASAP模块在不同骨干网络下用于点云序列分割的泛化能力。我们的ASAP-Net（骨干网络加ASAP模块）在Synthia和SemanticKITTI数据集上均优于基线和先前方法（使用不同骨干网络提升+3.4至+15.2 mIoU点）。代码见 https://github.com/intrepidChw/ASAP-Net
引用
@article{arxiv.2008.05149,
title = {ASAP-Net: Attention and Structure Aware Point Cloud Sequence Segmentation},
author = {Hanwen Cao and Yongyi Lu and Cewu Lu and Bo Pang and Gongshen Liu and Alan Yuille},
journal= {arXiv preprint arXiv:2008.05149},
year = {2020}
}
备注
The British Machine Vision Conference (BMVC)