PIDS：面向三维点云的联合点交互-维度搜索

点的交互和维度是设计点算子以服务于层次化三维模型的两个重要轴。然而，这两个轴是异质的，且难以充分探索。现有工作仅在单一轴上设计点算子，并在三维模型的所有部分中重复使用该算子。这忽略了通过利用三维点云变化的几何/密度来更好地结合点交互和维度的机会。在这项工作中，我们建立了 PIDS，一种联合探索点交互和点维度的新范式，以服务于点云数据的语义分割。我们建立了一个大型搜索空间，以联合考虑多种点交互和点维度。这支持了具有各种几何/密度考虑的点算子。具有异质搜索组件的扩大搜索空间要求对候选模型进行更好的排序。为了实现这一点，我们通过利用基于预测器的神经架构搜索（NAS）来改进搜索空间探索，并通过根据异质搜索组件的先验为其分配唯一编码来提高预测质量。我们在两个语义分割基准上全面评估了由 PIDS 设计的网络，结果显示在 SemanticKITTI 和 S3DIS 上，mIOU 比最先进的三维模型提高了约 1%。