用于点云表示的跨层级跨尺度交叉注意力网络

自注意力机制近期在自然语言处理（NLP）和图像处理领域取得了令人印象深刻的进展。其置换不变性使其非常适合于点云处理。受此显著成功的启发，我们提出了一种端到端架构，称为跨层级跨尺度交叉注意力网络（CLCSCANet），用于点云表示学习。首先，引入逐点特征金字塔模块从不同尺度或分辨率分层提取特征。然后设计跨层级交叉注意力来建模长程的层级间与层级内依赖关系。最后，我们开发了跨尺度交叉注意力模块以捕获尺度间与尺度内的交互以增强表示。通过综合实验评估，与最先进的方法相比，我们的网络在具有挑战性的 3D 物体分类、点云分割任务上能获得具有竞争力的性能。