基于特征空间聚类的content-based Transformer点云分类方法
计算机视觉与模式识别
2023-07-21 v1
摘要
近来，已有一些将Transformer用于三维点云分类的尝试。为降低计算量，大多数现有方法聚焦于局部空间注意力，却忽略了其内容，且未能建立距离遥远但相关点之间的关系。为克服局部空间注意力的局限，我们提出了一种基于点内容的Transformer架构，简称PointConT。它利用点在特征空间（基于内容）中的局部性，将具有相似特征的采样点聚类至同一类，并在每类内计算自注意力，从而在捕获长程依赖与计算复杂度之间实现有效权衡。我们进一步引入了用于点云分类的Inception特征聚合器，其使用并行结构分别在各分支中聚合高频与低频信息。大量实验表明，我们的PointConT模型在点云形状分类上取得了卓越性能。特别地，我们的方法在ScanObjectNN的最难设定下展现出90.3%的Top-1准确率。本文源代码可在 https://github.com/yahuiliu99/PointConT 获取。
引用
@article{arxiv.2303.04599,
title = {Point Cloud Classification Using Content-based Transformer via Clustering in Feature Space},
author = {Yahui Liu and Bin Tian and Yisheng Lv and Lingxi Li and Feiyue Wang},
journal= {arXiv preprint arXiv:2303.04599},
year = {2023}
}
备注
This paper is accepted to IEEE/CAA Journal of Automatica Sinica (JAS)