PointMixer：用于点云理解的 MLP-Mixer
计算机视觉与模式识别
2022-07-21 v5
摘要
MLP-Mixer 作为 CNN 与 transformer 领域的新挑战者近期出现。尽管相比 transformer 更为简单，通道混合 MLP 与令牌混合 MLP 的概念在视觉识别任务中取得了令人瞩目的性能。与图像不同，点云本质上是稀疏、无序且不规则的，这限制了 MLP-Mixer 在点云理解中的直接使用。本文提出 PointMixer，一种促进非结构化 3D 点之间信息共享的通用点集算子。通过简单地将令牌混合 MLP 替换为 softmax 函数，PointMixer 可在点集内/点集间“混合”特征。如此，PointMixer 可作为集间混合、集内混合和金字塔混合广泛用于网络中。大量实验表明，在语义分割、分类和点重建任务中，PointMixer 取得了与基于 transformer 的方法相当或更优的性能。
引用
@article{arxiv.2111.11187,
title = {PointMixer: MLP-Mixer for Point Cloud Understanding},
author = {Jaesung Choe and Chunghyun Park and Francois Rameau and Jaesik Park and In So Kweon},
journal= {arXiv preprint arXiv:2111.11187},
year = {2022}
}
备注
Accepted to ECCV 2022