BAGNet：用于三维点云语义分割的边界感知图注意力网络
计算机视觉与模式识别
2025-06-03 v1
摘要
由于点云数据本质上是不规则且非结构化的，点云语义分割一直是一项具有挑战性的任务。基于图的方法试图通过将不规则点云表示为图来对其进行建模；然而，由于需要为大规模点云中的每个点构建图，这种方法产生了大量的计算开销。在本文中，我们观察到边界点拥有更复杂的空间结构信息，并开发了一种新颖的图注意力网络，称为边界感知图注意力网络。一方面，BAGNet 包含一个边界感知图注意力层，该层采用边顶点融合和注意力系数来捕捉边界点的特征，从而减少了计算时间。另一方面，BAGNet 采用轻量级注意力池化层来提取点云的全局特征，以保持模型精度。在标准数据集上的大量实验表明，BAGNet 在点云语义分割中优于 SOTA 方法，具有更高的精度和更少的推理时间。
引用
@article{arxiv.2506.00475,
title = {BAGNet: A Boundary-Aware Graph Attention Network for 3D Point Cloud Semantic Segmentation},
author = {Wei Tao and Xiaoyang Qu and Kai Lu and Jiguang Wan and Shenglin He and Jianzong Wang},
journal= {arXiv preprint arXiv:2506.00475},
year = {2025}
}
备注
Accepted by the 2025 International Joint Conference on Neural Networks (IJCNN 2025)