通过解耦卷积增强三维点云局部几何学习
计算机视觉与模式识别
2022-07-05 v1
摘要
由于缺少连通性信息，在三维点云理解中建模局部曲面几何具有挑战性。大多数先前工作使用各种卷积操作建模局部几何。我们观察到卷积可等价分解为局部分量与全局分量的加权和。基于该观察，我们显式解耦这两个分量，从而增强局部分量并促进局部曲面几何的学习。具体而言，我们提出拉普拉斯单元（LU），一种简单而有效的架构单元，可增强局部几何学习。大量实验表明，配备 LUs 的网络在典型点云理解任务上取得有竞争力或更优的性能。此外，通过建立与平均曲率流的联系，基于曲率对 LU 进行了进一步探究，以解释 LU 的自适应平滑与锐化效应。代码将公开。
引用
@article{arxiv.2207.01181,
title = {Enhancing Local Geometry Learning for 3D Point Cloud via Decoupling Convolution},
author = {Haoyi Xiu and Xin Liu and Weimin Wang and Kyoung-Sook Kim and Takayuki Shinohara and Qiong Chang and Masashi Matsuoka},
journal= {arXiv preprint arXiv:2207.01181},
year = {2022}
}