基于分层类特定注意力的Transformer网络的小样本3D点云语义分割
计算机视觉与模式识别
2023-03-29 v1
摘要
3D点云语义分割旨在将所有点分组到不同语义类别中,其有益于点云场景重建与理解等重要应用。现有监督点云语义分割方法通常需要大规模标注点云训练且无法处理新类别。虽有少数小样本学习方法近期被提出以解决这两个问题,但其受图构建引起的高计算复杂度,以及因使用池化操作而无法学习点间细粒度关系的困扰。本文中,我们进一步解决这些问题,开发了用于小样本点云语义分割的新型多层Transformer网络。在所提网络中,查询点云特征基于不同尺度下类特定的支持特征进行聚合。不使用池化操作,我们的方法充分利用了来自支持样本的所有像素级特征。通过更好地利用支持特征进行小样本学习,所提方法在S3DIS数据集与ScanNet数据集上以少15%的推理时间超越了现有小样本3D点云分割模型,取得了新的最优性能。
引用
@article{arxiv.2303.15654,
title = {Few-Shot 3D Point Cloud Semantic Segmentation via Stratified Class-Specific Attention Based Transformer Network},
author = {Canyu Zhang and Zhenyao Wu and Xinyi Wu and Ziyu Zhao and Song Wang},
journal= {arXiv preprint arXiv:2303.15654},
year = {2023}
}