ME-CPT：用于城市3D变化检测的多任务增强跨时序点变换器
计算机视觉与模式识别
2025-02-20 v2 人工智能
摘要
空中激光扫描（ALS）系统收集的点云提供城市土地覆盖的准确3D信息。通过利用多时段ALS点云，可以捕获城市地区的语义变化，显示出在城市规划、应急管理和基础设施维护方面的巨大潜力。现有的3D变化检测方法在有效提取多类语义信息和变化特征方面仍存在挑战，具体包括：（1）准确建模跨时序点云空间关系以实现有效变化特征提取的困难；（2）变化样本类别不平衡阻碍了语义特征的辨识度；（3) 缺乏用于3D语义变化检测的真实世界数据集。为解决这些挑战，我们提出了一种名为多任务增强跨时序点变换器（ME-CPT）的网络。ME-CPT 在不同时期的点云之间建立时空对应关系，并利用注意力机制共同提取语义变化特征，促进信息交换和变化比较。此外，我们引入语义分割任务，并通过多任务训练策略进一步增强语义特征的辨识度，减少类别不平衡对变化类型的影响。此外，我们发布了一个 22.5 平方公里的3D语义变化检测数据集，为全面评估提供了多样化场景。多个数据集上的实验表明，所提出的 MT-CPT 在现有最先进方法上实现了优异性能。源代码和数据集将在接受录取后发布至 https://github.com/zhangluqi0209/ME-CPT。
引用
@article{arxiv.2501.14004,
title = {ME-CPT: Multi-Task Enhanced Cross-Temporal Point Transformer for Urban 3D Change Detection},
author = {Luqi Zhang and Haiping Wang and Chong Liu and Zhen Dong and Bisheng Yang},
journal= {arXiv preprint arXiv:2501.14004},
year = {2025}
}