用于点云分析的元架构
计算机视觉与模式识别
2023-03-15 v2
摘要
三维点云分析的最新进展为该领域带来了多样化的网络架构。然而，缺乏统一框架来解释这些网络使得任何系统性比较、对比或分析都具有挑战性，并在实践中限制了该领域的健康发展。本文中，我们主动探索并提出一种称为 PointMeta 的统一框架，流行的三维点云分析方法均可适配于它。这带来三点益处。首先，它允许我们以公平方式比较不同方法，并利用快速实验来验证从比较中总结出的任何经验观察或假设。其次，PointMeta 所呈现的整体图景使我们能够跨不同组件思考，并重新审视流行方法所做出的常见信念与关键设计决策。第三，基于前两项分析的收获，通过对现有方法进行简单调整，我们能够推导出一个称为 PointMetaBase 的基础构建块。它在具有挑战性的基准上通过大量实验展现出极强的效率与效果，从而验证了像 PointMeta 这样的高层解释、对比与比较的必要性与益处。特别地，PointMetaBase 在 S3DIS 数据集上仅以 2%/11%/13% 的计算成本超越了先前最先进方法 0.7%/1.4/%2.1% mIoU。
引用
@article{arxiv.2211.14462,
title = {Meta Architecture for Point Cloud Analysis},
author = {Haojia Lin and Xiawu Zheng and Lijiang Li and Fei Chao and Shanshan Wang and Yan Wang and Yonghong Tian and Rongrong Ji},
journal= {arXiv preprint arXiv:2211.14462},
year = {2023}
}