用于点云分类与分割的密集分辨率网络
计算机视觉与模式识别
2020-11-18 v2
摘要
点云分析正受到人工智能研究的关注，因为它可广泛应用于机器人、增强现实、自动驾驶等领域。然而，由于不规则性、无序性与稀疏性，它一直具有挑战性。本文提出一种名为密集分辨率网络（DRNet）的新颖网络用于点云分析。我们的 DRNet 旨在从不同分辨率的点云中学习局部点特征。为更有效地学习局部点组，我们提出一种用于局部邻域搜索的新颖分组方法以及一个用于捕获局部特征的误差最小化模块。除在广泛使用的点云分割与分类基准上验证该网络外，我们还测试并可视化了各组件的性能。与其他最先进（SOTA）方法相比，我们的网络在 ModelNet40、ShapeNet 合成数据集与 ScanObjectNN 真实点云数据集上表现出优越性。
引用
@article{arxiv.2005.06734,
title = {Dense-Resolution Network for Point Cloud Classification and Segmentation},
author = {Shi Qiu and Saeed Anwar and Nick Barnes},
journal= {arXiv preprint arXiv:2005.06734},
year = {2020}
}
备注
To appear in WACV2021. Codes and models are available at: https://github.com/ShiQiu0419/DRNet