DuMLP-Pin：一种用于集合特征提取的双 MLP 点积置换不变网络
计算机视觉与模式识别
2022-09-01 v2 人工智能
摘要
现有的置换不变方法根据聚合范围可分为两类，即全局聚合与局部聚合。尽管全局聚合方法（如 PointNet 和 Deep Sets）结构更为简单，但其性能不如 PointNet++ 和 Point Transformer 等局部聚合方法。是否存在一种结构简单、性能具有竞争力且参数量更少的全局聚合方法，仍是一个开放问题。本文提出一种基于双 MLP 点积的新型全局聚合置换不变网络，称为 DuMLP-Pin，它能够用于提取集合输入的特征，包括无序或非结构化的像素、属性和点云数据集。我们严格证明，当给定输入集合的基数大于某一阈值时，由 DuMLP-Pin 实现的任何置换不变函数都可按点积方式分解为两个或多个置换等变函数。我们还表明，在特定条件下，DuMLP-Pin 可视为具有强约束的 Deep Sets。DuMLP-Pin 的性能在多个不同任务及多样化数据集上进行了评估。实验结果表明，我们的 DuMLP-Pin 在像素集与属性集的两个分类问题上取得了最佳结果。在点云分类与部件分割任务上，DuMLP-Pin 的准确率与迄今性能最佳的局部聚合方法非常接近，仅相差 1-2%，而所需参数量在分类和分割中分别显著减少了 85% 以上和 69%。代码已公开于 https://github.com/JaronTHU/DuMLP-Pin。
引用
@article{arxiv.2203.04007,
title = {DuMLP-Pin: A Dual-MLP-dot-product Permutation-invariant Network for Set Feature Extraction},
author = {Jiajun Fei and Ziyu Zhu and Wenlei Liu and Zhidong Deng and Mingyang Li and Huanjun Deng and Shuo Zhang},
journal= {arXiv preprint arXiv:2203.04007},
year = {2022}
}
备注
16 pages, accepted by AAAI 2022 (https://ojs.aaai.org/index.php/AAAI/article/view/19939), with technical appendix