面向 RoCE 的基于异步反馈的感知点云质量评估网络
计算机视觉与模式识别
2024-12-03 v2
摘要
近年来，深度学习技术在无参考点云质量评估（NR-PCQA）研究中取得了成功。为了获得更准确的质量预测，许多先前研究尝试以自下而上方式捕获全局和局部特征，但忽略了它们之间的相互作用和促进。为解决此问题，我们提出一种新颖的异步反馈质量预测网络（AFQ-Net）。灵感来源于人类视觉感知机制，AFQ-Net采用双支路结构处理全局和局部特征，模拟人脑的左右半球，并在其之间构建反馈模块。具体而言，输入点云首先输入基于变换器的全局编码器，以生成强调这些语义丰富区域的注意力图，随后合并为全局特征。然后，我们利用生成的注意力图对不同语义区域执行动态卷积，以获得局部特征。最后，采用粗到细策略将两种特征合并为最终质量得分。在三个数据集上进行了全面实验，在所有数据集上均优于当前最先进的方法。该代码将在 https://github.com/zhangyujie-1998/AFQ-Net 提供。
引用
@article{arxiv.2407.09806,
title = {Asynchronous Feedback Network for Perceptual Point Cloud Quality Assessment},
author = {Yujie Zhang and Qi Yang and Ziyu Shan and Yiling Xu},
journal= {arXiv preprint arXiv:2407.09806},
year = {2024}
}