PointHR：探索用于三维点云分割的高分辨率架构
计算机视觉与模式识别
2023-10-13 v1
摘要
近年来，利用编码器-解码器框架的点云分割取得了显著进展，该框架首先将点云编码为低分辨率表示，随后解码出高分辨率预测。受高分辨率架构在图像密集预测中成功的启发——其始终在整个学习过程中保持高分辨率表示——我们认为这对三维密集点云分析同样极为重要。因此，本文探索用于三维点云分割的高分辨率架构。具体而言，我们使用一个名为 PointHR 的统一流程对高分辨率架构进行泛化，该流程包含用于特征提取的基于 knn 的序列算子和用于高效沟通不同分辨率的差分重采样算子。此外，我们提出通过预计算序列与重采样算子的索引，避免高分辨率架构的大量即时计算。如此一来，我们在无需额外开销的情况下，借助精心设计的点击云块的优势，实现了极具竞争力的高分辨率架构。为评估这些用于密集点云分析的架构，我们使用 S3DIS 和 ScanNetV2 数据集进行了充分实验，所提出的 PointHR 在没有任何花哨技巧的情况下优于近期最先进的方法。源代码可在 \url{https://github.com/haibo-qiu/PointHR} 获取。
引用
@article{arxiv.2310.07743,
title = {PointHR: Exploring High-Resolution Architectures for 3D Point Cloud Segmentation},
author = {Haibo Qiu and Baosheng Yu and Yixin Chen and Dacheng Tao},
journal= {arXiv preprint arXiv:2310.07743},
year = {2023}
}
备注
Code is available at \url{https://github.com/haibo-qiu/PointHR}