Point-LN：一种用于高效点云分类的轻量级框架，基于非参数位置编码
计算机视觉与模式识别
2025-02-04 v2 人工智能
机器学习
机器人学
摘要
我们介绍了Point-LN，这是一个专为高效3D点云分类设计的新型轻量级框架。Point-LN集成了关键非参数组件——如最远点采样（FPS）、k最近邻（k-NN）和非可学习位置编码——并搭配一个简洁可学习的分类器，显著提升了分类准确率，同时保持最小的参数规模。这种混合架构确保低计算成本和快速推理速度，使Point-LN适用于实时和资源受限的应用。在包含ModelNet40和ScanObjectNN等基准数据集上的全面评估表明，Point-LN在保持卓越效率的同时，实现了与前沿方法的竞争性能，这为Point-LN成为多样化点云分类任务中稳健且可扩展的解决方案奠定了基础，突显了其在计算机视觉应用中广泛采纳的潜力。
引用
@article{arxiv.2501.14238,
title = {Point-LN: A Lightweight Framework for Efficient Point Cloud Classification Using Non-Parametric Positional Encoding},
author = {Marzieh Mohammadi and Amir Salarpour and Pedram MohajerAnsari},
journal= {arXiv preprint arXiv:2501.14238},
year = {2025}
}
备注
This paper has been accepted for presentation at the 29th International Computer Conference, Computer Society of Iran (CSICC) 2025