POEM：基于期望最大化的 1 比特点态运算用于高效点云处理
计算机视觉与模式识别
2021-11-29 v1
摘要
实时点云处理是许多计算机视觉任务的基础，但在资源受限的边缘设备上仍面临计算问题的挑战。为解决这一问题，我们实现了基于 XNOR-Net 的二值神经网络（BNN）以进行高效的点云处理，但由于高斯分布权重和不可学习的缩放因子这两个主要缺陷，其性能受到严重影响。在本文中，我们将基于期望最大化（EM）的点态运算（POEM）引入 BNN 以实现高效的点云处理。EM 算法能够有效地约束权重以形成鲁棒的双峰分布。我们引入精心设计的重构损失来计算可学习的缩放因子，以增强 1 比特全连接（Bi-FC）层的表示能力。大量实验表明，我们的 POEM 以高达 6.7% 的显著优势超越了现有的最先进二值点云网络。
引用
@article{arxiv.2111.13386,
title = {POEM: 1-bit Point-wise Operations based on Expectation-Maximization for Efficient Point Cloud Processing},
author = {Sheng Xu and Yanjing Li and Junhe Zhao and Baochang Zhang and Guodong Guo},
journal= {arXiv preprint arXiv:2111.13386},
year = {2021}
}
备注
Accepted by BMVC 2021. arXiv admin note: text overlap with arXiv:2010.05501 by other authors