基于位置到结构注意力 Transformer 的点云识别
计算机视觉与模式识别
2022-10-06 v1
摘要
在本文中，我们提出位置到结构注意力 Transformer（PS-Former），一种基于 Transformer 的 3D 点云识别算法。PS-Former 处理了 3D 点云表示中的挑战：点不位于固定网格结构中，且特征描述有限（对于散点仅有 3D 坐标 ）。该领域现有的基于 Transformer 的架构通常需要预先指定的特征工程步骤来提取点特征。在此，我们在 PS-Former 中引入两个新方面：1）执行点下采样和特征提取的可学习凝聚层；以及 2）通过位置注意力分支递归丰富结构信息的位置到结构注意力机制。与竞争方法相比，尽管具有通用性且启发式特征设计更少，PS-Former 在分类、部件分割和场景分割三个 3D 点云任务上展示了具有竞争力的实验结果。
引用
@article{arxiv.2210.02030,
title = {Point Cloud Recognition with Position-to-Structure Attention Transformers},
author = {Zheng Ding and James Hou and Zhuowen Tu},
journal= {arXiv preprint arXiv:2210.02030},
year = {2022}
}