用于点云的自注意力网络：更深还是更宽？
计算机视觉与模式识别
2021-08-17 v2 图形学
摘要
由自注意力驱动的更深网络盛行，与点基方法探索不足形成鲜明对比。本文提出以分组自注意力作为构建网络 SepNet 的基本模块。我们所提模块能有效捕获局部与全局依赖，基于组内任意点加权特征之和计算该组特征。为方便起见，我们推广分组操作以组装该模块。为进一步推进网络，我们分别在分割与分类任务上加深和加宽 SepNet，并验证其实用性。具体而言，SepNet 在大多数数据集的分类与分割任务上达到了 SOTA。我们给出经验证据：SepNet 可分别从增加的宽度或深度中获得分类或分割的额外精度。
引用
@article{arxiv.2011.14285,
title = {Deeper or Wider Networks of Point Clouds with Self-attention?},
author = {Haoxi Ran and Li Lu},
journal= {arXiv preprint arXiv:2011.14285},
year = {2021}
}
备注
The experiments is incompleted