用于点云分类的多尺度感受野图注意力网络
计算机视觉与模式识别
2020-09-29 v1
摘要
由于点云的不规则与稀疏结构，理解其含义以实现分类或分割目标仍具挑战性。众所周知，PointNet 架构作为点云的开创性工作，可直接在无序三维点云上高效学习形状特征并取得良好性能。然而，该模型未能考虑点云局部结构的细粒度语义信息。此后，许多有价值的工作通过利用点云局部块语义特征来增强 PointNet 性能。本文提出一种用于点云分类的多尺度感受野图注意力网络(简称 MRFGAT)。通过关注点云局部精细特征并应用基于通道亲和力的多重注意力模块，我们网络学到的特征图能很好捕获点云的丰富特征信息。所提 MRFGAT 架构在 ModelNet10 与 ModelNet40 数据集上测试，结果表明其在形状分类任务中达到了 SOTA 性能。
引用
@article{arxiv.2009.13289,
title = {Multi-scale Receptive Fields Graph Attention Network for Point Cloud Classification},
author = {Xi-An Li and Lei Zhang and Li-Yan Wang and Jian Lu},
journal= {arXiv preprint arXiv:2009.13289},
year = {2020}
}
备注
10 pages, 5 figures