KPConvX：使用核注意力现代化核点卷积
计算机视觉与模式识别
2024-05-24 v1
摘要
在深度点云理解领域，KPConv是一种独特的架构，它使用核点在空间中定位卷积权重，而不是依赖多层感知器（MLP）编码。虽然它最初取得了成功，但后来被采用更新设计和训练策略的现代MLP网络所超越。基于核点原理，我们提出了两种新颖的设计：KPConvD（深度可分离KPConv），一种更轻量的设计，允许使用更深的架构；以及KPConvX，一种创新设计，使用核注意力值来缩放KPConvD的深度可分离卷积权重。通过使用KPConvX结合现代架构和训练策略，我们能够在ScanObjectNN、Scannetv2和S3DIS数据集上超越当前最先进的方法。我们通过消融研究验证了我们的设计选择，并发布了我们的代码和模型。
引用
@article{arxiv.2405.13194,
title = {KPConvX: Modernizing Kernel Point Convolution with Kernel Attention},
author = {Hugues Thomas and Yao-Hung Hubert Tsai and Timothy D. Barfoot and Jian Zhang},
journal= {arXiv preprint arXiv:2405.13194},
year = {2024}
}
备注
CVPR 2024