Point Transformer
计算机视觉与模式识别
2021-09-28 v2
摘要
自注意力网络已经彻底改变了自然语言处理，并在图像分类和目标检测等图像分析任务中取得令人印象深刻的进展。受此成功启发，我们研究自注意力网络在 3D 点云处理中的应用。我们为点云设计自注意力层，并利用这些层构建用于语义场景分割、目标部件分割和目标分类等任务的自注意力网络。我们的 Point Transformer 设计在各个领域和任务上均优于先前工作。例如，在具有挑战性的大规模语义场景分割数据集 S3DIS 的 Area 5 上，Point Transformer 达到了 70.4% 的 mIoU，比最强的先前模型高出 3.3 个绝对百分点，并首次跨越 70% mIoU 阈值。
引用
@article{arxiv.2012.09164,
title = {Point Transformer},
author = {Hengshuang Zhao and Li Jiang and Jiaya Jia and Philip Torr and Vladlen Koltun},
journal= {arXiv preprint arXiv:2012.09164},
year = {2021}
}