GA-Net：用于点云语义分割的全局注意力网络
计算机视觉与模式识别
2021-07-08 v1
摘要
如何从无结构的3D点云中学习长程依赖关系是三维点云分析中的一个挑战性问题。针对该问题，本文提出了一种用于点云语义分割的全局注意力网络，命名为GA-Net，其由点无关全局注意力模块和点相关全局注意力模块组成，以获取三维点云的上下文信息。点无关全局注意力模块简单地为所有三维点共享一张全局注意力图。在点相关全局注意力模块中，针对每个点，利用一种仅使用两个随机采样子集的新颖随机交叉注意力块来学习所有点的上下文信息。此外，我们设计了一种新颖的点自适应聚合块来替代线性跳跃连接，以聚合更具判别力的特征。在三个三维公开数据集上的大量实验结果表明，我们的方法在大多数情况下优于当前最先进（state-of-the-art）的方法。
引用
@article{arxiv.2107.03101,
title = {GA-NET: Global Attention Network for Point Cloud Semantic Segmentation},
author = {Shuang Deng and Qiulei Dong},
journal= {arXiv preprint arXiv:2107.03101},
year = {2021}
}