GFT：用于高效点云分析的图特征调谐
计算机视觉与模式识别
2025-12-02 v2
摘要
参数高效微调(PEFT)通过仅更新模型参数的子集来显著减少计算和内存开销，使能够以最小的性能损失快速适应新任务。先前的研究针对点云数据引入了定制化的PEFT方法，因为通用方法在此场景下次优。为进一步减少可训练参数的数量，我们提出一种针对点云数据的PEFT，称为图特征调谐(GFT)，其通过轻量级图卷积网络从初始标记输入中学习动态图，并通过跳跃连接和高效交叉注意力模块将这些图特征传递到更深的层。大量实验表明，GFT在对象分类和分割任务上表现与现有方法相当，同时减少了可训练参数。代码已公开于https://github.com/manishdhakal/GFT。
关键词
引用
@article{arxiv.2511.10799,
title = {GFT: Graph Feature Tuning for Efficient Point Cloud Analysis},
author = {Manish Dhakal and Venkat R. Dasari and Rajshekhar Sunderraman and Yi Ding},
journal= {arXiv preprint arXiv:2511.10799},
year = {2025}
}
备注
Accepted to WACV 2026