CpT：用于三维点云处理的卷积点Transformer
计算机视觉与模式识别
2021-11-23 v1
摘要
我们提出 CpT：卷积点 Transformer（Convolutional point Transformer）——一种用于处理三维点云数据非结构化性质的新颖深度学习架构。CpT 是对现有基于注意力的卷积神经网络以及先前三维点云处理 Transformer 的改进。它取得这一成绩，归因于其通过为处理动态局部点集邻域而设计的卷积投影层，有效地创建了一种新颖且鲁棒的基于注意力的点集嵌入。所得点集嵌入对输入点的置换具有鲁棒性。我们新颖的 CpT 模块构建于通过网络结构每一层动态图计算获得的点的局部邻域之上。它是完全可微分的，并且可以像卷积层一样堆叠以学习点的全局属性。我们在 ModelNet40、ShapeNet Part Segmentation 以及 S3DIS 三维室内场景语义分割数据集等标准基准数据集上评估我们的模型，表明与现有 SOTA 方法相比，我们的模型可作为各种点云处理任务的有效骨干网络。
引用
@article{arxiv.2111.10866,
title = {CpT: Convolutional Point Transformer for 3D Point Cloud Processing},
author = {Chaitanya Kaul and Joshua Mitton and Hang Dai and Roderick Murray-Smith},
journal= {arXiv preprint arXiv:2111.10866},
year = {2021}
}