DSPoint:具有高频融合的双尺度点云识别
计算机视觉与模式识别
2022-05-17 v4 人工智能
机器学习
摘要
由于点云的稀疏性与不规则性,点云处理是一项具有挑战性的任务。先前的工作在局部特征聚合器或全局几何架构上引入了精细设计,但鲜有同时结合两者优势。我们提出具有高频融合的双尺度点云识别(DSPoint),通过在体素和点上并发操作来提取局部-全局特征。我们反转了在体素上应用卷积、在点上应用注意力的常规设计。具体而言,我们通过通道维度解耦点特征以进行双尺度处理:其一通过逐点卷积进行细粒度几何解析,其二通过体素级全局注意力进行长程结构探索。我们设计了一个协同注意力融合模块用于特征对齐以混合局部-全局模态,其通过传递高频坐标信息来进行跨尺度跨模态交互。在广泛采用的 ModelNet40、ShapeNet 和 S3DIS 上的实验与消融研究证明了我们的 DSPoint 达到了最先进的性能。
引用
@article{arxiv.2111.10332,
title = {DSPoint: Dual-scale Point Cloud Recognition with High-frequency Fusion},
author = {Renrui Zhang and Ziyao Zeng and Ziyu Guo and Xinben Gao and Kexue Fu and Jianbo Shi},
journal= {arXiv preprint arXiv:2111.10332},
year = {2022}
}