CT-block：一种用于点云局部与全局特征提取的新颖模块
计算机视觉与模式识别
2021-12-01 v1
摘要
点云上的深度学习正日益发展。将点与邻点分组并对其进行类卷积操作可学习点云的局部特征，但该方法难以提取长距离全局特征。在整个点云上执行基于注意力的 transformer 可有效学习其全局特征，但该方法难以提取局部细节特征。在本文中，我们提出了一种可同时提取并融合局部与全局特征的新颖模块，命名为 CT-block。CT-block 由两分支组成，其中字母 C 代表卷积分支，字母 T 代表 transformer 分支。卷积分支对分组的邻点执行卷积以提取局部特征。同时，transformer 分支对整个点云执行偏移注意力处理以提取全局特征。通过 CT-block 中由特征传输元素构建的桥梁，局部与全局特征在学习过程中相互引导并有效融合。我们将 CT-block 应用于构建点云分类与分割网络，并通过多个公开数据集评估其性能。实验结果表明，由于 CT-block 学习到的特征极具表现力，其所构建的网络在点云分类与分割任务上的性能达到了 SOTA（当前最优）。
引用
@article{arxiv.2111.15400,
title = {CT-block: a novel local and global features extractor for point cloud},
author = {Shangwei Guo and Jun Li and Zhengchao Lai and Xiantong Meng and Shaokun Han},
journal= {arXiv preprint arXiv:2111.15400},
year = {2021}
}
备注
15 pages, 4 figures