论学习用于特征增强的正确注意力点
计算机视觉与模式识别
2022-07-20 v3
摘要
我们提出一种新颖的基于注意力的机制，用于学习点云处理任务(如分类和分割)的增强点特征。与先前工作训练以优化预选注意力点集合的权重不同，我们的方法学习定位最佳注意力点，以最大化特定任务(如点云分类)的性能。重要的是，我们主张使用单一注意力点以促进点特征学习中的语义理解。具体而言，我们构建了一种新颖且简单的卷积，它结合了来自输入点及其对应学习到的注意力点(简称 LAP)的卷积特征。我们的注意力机制可轻松嵌入最先进的点云分类和分割网络。在 ModelNet40、ShapeNetPart 和 S3DIS 等常用基准上的大量实验均表明，我们启用 LAP 的网络持续优于相应的原始网络，以及采用多个注意力点(无论是预选还是在我们的 LAP 框架下学习的)的其他竞争性替代方案。
引用
@article{arxiv.2012.06257,
title = {On Learning the Right Attention Point for Feature Enhancement},
author = {Liqiang Lin and Pengdi Huang and Chi-Wing Fu and Kai Xu and Hao Zhang and Hui Huang},
journal= {arXiv preprint arXiv:2012.06257},
year = {2022}
}