PointSCNet：基于空间填充曲线引导采样的点云结构与相关性学习
计算机视觉与模式识别
2024-06-18 v2
摘要
几何结构及内部局部区域关系（如对称性、规则阵列、连接点等）对于理解三维形状至关重要。本文提出一种名为 PointSCNet 的点云特征提取网络，以捕捉点云的几何结构信息与局部区域相关性信息。PointSCNet 由三个主要模块组成：空间填充曲线引导采样模块、信息融合模块与通道-空间注意力模块。空间填充曲线引导采样模块使用 Z-order 曲线编码来采样包含几何相关性的点。信息融合模块使用相关张量及一组跳跃连接来融合结构与相关性信息。通道-空间注意力模块增强关键点与关键特征通道的表示以精炼网络。所提 PointSCNet 在形状分类与部件分割任务上进行了评估。实验结果表明，通过有效学习点云的结构与相关性，PointSCNet 优于或与最先进方法相当。
引用
@article{arxiv.2202.10251,
title = {PointSCNet: Point Cloud Structure and Correlation Learning Based on Space Filling Curve-Guided Sampling},
author = {Xingye Chen and Yiqi Wu and Wenjie Xu and Jin Li and Huaiyi Dong and Yilin Chen},
journal= {arXiv preprint arXiv:2202.10251},
year = {2024}
}