基于注意力的从潜特征到点云的转换方法
计算机视觉与模式识别
2021-12-13 v1
摘要
在点云生成与补全中，以往将潜特征转换为点云的方法通常基于全连接层（FC-based）或折叠操作（Folding-based）。然而，FC-based 方法生成的点云常受离群点和粗糙表面的困扰。对于 folding-based 方法，其数据流大、收敛速度慢，且难以处理非光滑表面的生成。本文提出 AXform，一种基于注意力将潜特征转换为点云的方法。AXform 首先使用全连接层在中间空间生成点，然后聚合这些中间点以生成目标点云。AXform 同时考虑参数共享与数据流，从而具有更少的离群点、更少的网络参数和更快的收敛速度。AXform 生成的点不具有强 2-流形约束，这改善了对非光滑表面的生成。当 AXform 扩展为多分支进行局部生成时，向心约束使其具有自聚类和空间一致性的特性，进一步实现了无监督语义分割。我们也采用该方案并设计 AXformNet 用于点云补全。在不同数据集上的大量实验表明，我们的方法取得了最先进的（SOTA）结果。
引用
@article{arxiv.2112.05324,
title = {Attention-based Transformation from Latent Features to Point Clouds},
author = {Kaiyi Zhang and Ximing Yang and Yuan Wu and Cheng Jin},
journal= {arXiv preprint arXiv:2112.05324},
year = {2021}
}
备注
9 pages, 7 figures, AAAI 2022