引入短时傅里叶 Kolmogorov Arnold 网络：一种用于 3D 点云树木种类分类的动态图 CNN 方法
计算机视觉与模式识别
2025-04-02 v2
摘要
基于陆地激光扫描（TLS）和空中激光扫描（ALS）的树木种类精准分类是 biodiversity 保育的关键任务。虽然已发展出在该领域表现出强性能的 3D 点云分类深度学习模型，但其高复杂度常常阻碍开发高效、低计算复杂度的架构。本文引入 STFT-KAN，这是一种集成短时傅里叶变换（STFT）的新型 Kolmogorov-Arnold 网络，可取代标准线性层中的激活函数。我们将 STFT-KAN 实现于轻量级 DGCNN（即 liteDGCNN）中，用于 TLS 数据的树木种类分类。我们的实验表明，STFT-KAN 在有效平衡模型复杂度与性能方面优于现有 KAN 变体，参数数量显著减少，成绩与基于 MLP 的模型相当。此外，我们评估了一种混合架构，将 MLP 用于边缘卷积而在其他层中使用 STFT-KAN，实现了与 MLP 模型相当的性能，同时将参数数量减少 50% 和 75%。我们还将模型与领先的 3D 点云学习方法进行比较，表明 STFT-KAN 相对于参数数量减少 87% 的最先进方法 PointMLP lite 仍能提供竞争性的性能。
引用
@article{arxiv.2503.23647,
title = {Introducing the Short-Time Fourier Kolmogorov Arnold Network: A Dynamic Graph CNN Approach for Tree Species Classification in 3D Point Clouds},
author = {Said Ohamouddou and Mohamed Ohamouddou and Hanaa El Afia and Abdellatif El Afia and Rafik Lasri and Raddouane Chiheb},
journal= {arXiv preprint arXiv:2503.23647},
year = {2025}
}