FatNet：一种用于三维点云处理的特征注意力网络
计算机视觉与模式识别
2021-04-09 v1
摘要
由于三维点云缺乏顺序性，将深度学习应用于三维点云具有挑战性。受 PointNet 的点嵌入与 DGCNN 的边嵌入启发，我们针对点云分析任务提出三项改进。首先，我们引入一种新颖的特征注意力神经网络层，即 FAT 层，其结合基于全局点的特征与基于局部边的特征以生成更好的嵌入。其次，我们发现对两种不同形式的特征图聚合（最大池化与平均池化）应用相同的注意力机制，比单独使用任一种都获得更好性能。第三，我们观察到在此设定下的残差特征复用能更有效地在层间传播信息，并使网络更易训练。我们的架构在点云分类任务上取得最先进结果（在 ModelNet40 数据集上得到验证），并在 ShapeNet 部件分割挑战赛上取得极具竞争力的性能。
引用
@article{arxiv.2104.03427,
title = {FatNet: A Feature-attentive Network for 3D Point Cloud Processing},
author = {Chaitanya Kaul and Nick Pears and Suresh Manandhar},
journal= {arXiv preprint arXiv:2104.03427},
year = {2021}
}
备注
Published at ICPR 2020 (Oral). arXiv admin note: substantial text overlap with arXiv:1905.07650