PCT：点云Transformer
计算机视觉与模式识别
2021-06-08 v4
摘要
不规则的域和缺乏顺序性使得设计用于点云处理的深度神经网络具有挑战性。本文提出了一种名为点云Transformer（Point Cloud Transformer, PCT）的点云学习新框架。PCT基于Transformer，后者在自然语言处理中取得了巨大成功，并在图像处理中展现出巨大潜力。它对于处理点序列具有内在的置换不变性，使其非常适合于点云学习。为了更好地捕获点云内的局部上下文，我们利用最远点采样和最近邻搜索的支持来增强输入嵌入。大量实验表明，PCT在形状分类、部件分割和法向估计任务上达到了最先进的性能。
引用
@article{arxiv.2012.09688,
title = {PCT: Point cloud transformer},
author = {Meng-Hao Guo and Jun-Xiong Cai and Zheng-Ning Liu and Tai-Jiang Mu and Ralph R. Martin and Shi-Min Hu},
journal= {arXiv preprint arXiv:2012.09688},
year = {2021}
}
备注
11 pages, 5 figures