PRA-Net：用于三维点云分析的点关系感知网络
计算机视觉与模式识别
2021-12-10 v1
摘要
学习区域内上下文与区域间关系是增强点云分析特征表示的两种有效策略。然而，现有方法未充分强调将这两种策略统一用于点云表示。为此，我们提出一种名为点关系感知网络（PRA-Net）的新框架，其由区域内结构学习（ISL）模块与区域间关系学习（IRL）模块组成。ISL 模块可将局部结构信息动态整合进点特征，而 IRL 模块通过可微区域划分方案与基于代表点的策略自适应且高效地捕获区域间关系。在涵盖形状分类、关键点估计与部件分割的若干三维基准上的大量实验验证了 PRA-Net 的有效性与泛化能力。代码将发布于 https://github.com/XiwuChen/PRA-Net 。
引用
@article{arxiv.2112.04903,
title = {PRA-Net: Point Relation-Aware Network for 3D Point Cloud Analysis},
author = {Silin Cheng and Xiwu Chen and Xinwei He and Zhe Liu and Xiang Bai},
journal= {arXiv preprint arXiv:2112.04903},
year = {2021}
}
备注
13 pages