面向三维点云分类的多尺度几何感知Transformer
计算机视觉与模式识别
2023-04-13 v1
摘要
自注意力模块在捕获长程关系与提升点云任务性能方面已展现出卓越能力。然而，点云物体通常具有复杂、无序且非欧几里得的多尺度空间结构，其行为往往动态且不可预测。当前的自注意力模块大多依赖查询-键-值特征间的点积乘法与维度对齐，无法充分捕获点云物体的多尺度非欧几里得结构。针对这些问题，本文提出一种自注意力插件模块及其变体——多尺度几何感知Transformer（MGT）。MGT从以下三方面处理带有多尺度局部与全局几何信息的点云数据：首先，MGT将 point cloud 数据划分为多尺度块（patch）；其次，提出一种基于球面映射的局部特征提取器，以探索每个块内部的几何结构并生成定长表示；第三，将这些定长表示输入一种新颖的基于测地距离的自注意力中，以捕获块之间的全局非欧几里得几何。最后，所有模块以端到端训练方案集成至MGT框架中。实验结果表明，MGT大幅增强了利用自注意力机制捕获多尺度几何的能力，并在主流点云基准上取得了极具竞争力的性能。
引用
@article{arxiv.2304.05694,
title = {Multi-scale Geometry-aware Transformer for 3D Point Cloud Classification},
author = {Xian Wei and Muyu Wang and Shing-Ho Jonathan Lin and Zhengyu Li and Jian Yang and Arafat Al-Jawari and Xuan Tang},
journal= {arXiv preprint arXiv:2304.05694},
year = {2023}
}