HPGNN：利用层次图神经网络进行室外点云处理
计算机视觉与模式识别
2023-01-18 v1 机器学习
摘要
受近期自主导航中点云处理进展的启发，我们专注于利用层次图神经网络对大规模室外LiDAR点云进行处理与特征学习。我们观察到现有的基于GNN的方法未能克服室外数据集中点的规模与不规则性挑战。为满足在高效处理更大体积的同时保留结构细节的需求，我们提出层次点图神经网络（HPGNN）。它在不同图粗化层级上学习节点特征以提取信息，从而能够在保留现有点级图网络难以实现的精细细节的同时对大型点云进行学习。多层之间的连接使得一个点能在少量迭代中以多种尺度学习特征。我们将HPGNN设计为纯基于GNN的方法，从而像其他基于点和图网络的基线一样提供模块化可扩展性。为说明改进的处理能力，我们将先前的基于点和GNN的语义分割模型与我们的HPGNN进行比较，在SemanticKITTI数据集上实现了GNN的显著提升（+36.7 mIoU）。
引用
@article{arxiv.2206.02153,
title = {HPGNN: Using Hierarchical Graph Neural Networks for Outdoor Point Cloud Processing},
author = {Arulmolivarman Thieshanthan and Amashi Niwarthana and Pamuditha Somarathne and Tharindu Wickremasinghe and Ranga Rodrigo},
journal= {arXiv preprint arXiv:2206.02153},
year = {2023}
}
备注
Accepted for ICPR 2022