PointAtrousGraph：用于非结构化三维点云的带点空洞卷积的深度分层编码器–解码器
计算机视觉与模式识别
2019-09-16 v2
摘要
受多尺度上下文信息编码用于图像分析的成功启发，我们提出 PointAtrousGraph (PAG)——一种深度置换不变的分层编码器–解码器，用于高效利用点云中的多尺度边缘特征。我们的 PAG 由若干新颖模块构建，如点空洞卷积 (PAC)、保边池化 (EP) 与保边反池化 (EU)。与空洞卷积类似，我们的 PAC 能有效扩大滤波器的感受野，从而密集地学习多尺度点特征。遵循非重叠最大池化操作的思想，我们提出 EP 以在子采样过程中保留关键边缘特征。相应地，我们的 EU 模块逐步恢复边缘特征的空间信息。此外，我们引入了链式跳跃子采样/上采样模块，将边缘特征直接传播至最终阶段。特别地，我们提出的辅助损失函数可进一步提升性能。实验结果表明，我们的 PAG 在各种三维语义感知应用上优于以往的 SOTA 方法。
引用
@article{arxiv.1907.09798,
title = {PointAtrousGraph: Deep Hierarchical Encoder-Decoder with Point Atrous Convolution for Unorganized 3D Points},
author = {Liang Pan and Chee-Meng Chew and Gim Hee Lee},
journal= {arXiv preprint arXiv:1907.09798},
year = {2019}
}
备注
11 pages, 10 figures