PointViG：基于轻量级图神经网络的高效点云分析模型
计算机视觉与模式识别
2024-09-17 v2
摘要
在点云分析领域，尽管图神经网络（GNN）在处理复杂三维数据方面具有显著能力，但现有方法面临高计算成本和在大规模场景下的可扩展性问题。这些限制阻碍了图神经网络在资源受限环境中的实际部署。为此，本研究引入了点云视觉图神经网络（PointViG），一种高效的点云分析框架。PointViG融合了轻量级图卷积模块，有效聚合局部特征并缓解过平滑问题。针对大规模点云场景，本文提出了一种自适应膨胀图卷积技术，基于语义相关性在膨胀邻域内搜索稀疏邻近节点，从而扩大感受野并确保计算效率。实验表明，PointViG在保持性能与复杂度平衡的同时，达到与前沿模型相当的性能。在ModelNet40分类任务中，PointViG实现了94.3%的准确率，参数数为1.5M。在S3DIS分割任务中，实现了71.7%的mIoU，参数数为5.3M。这些结果凸显了PointViG在点云分析中的潜力与效率。
引用
@article{arxiv.2407.00921,
title = {PointViG: A Lightweight GNN-based Model for Efficient Point Cloud Analysis},
author = {Qiang Zheng and Yafei Qi and Chen Wang and Chao Zhang and Jian Sun},
journal= {arXiv preprint arXiv:2407.00921},
year = {2024}
}