基于投影的点卷积用于高效点云分割
计算机视觉与模式识别
2022-02-07 v1 人工智能
摘要
随着 3D 扫描设备的发展与大规模 3D 数据的积累，理解点云近来受到巨大关注。大多数点云处理算法可分为基于点或基于体素的方法，这两类方法在处理时间或内存（或两者兼具）上均有严重局限。为克服这些局限，我们提出基于投影的点卷积（Projection-based Point Convolution, PPConv），一种以 2D 卷积和多层感知机（MLPs）为组件的点卷积模块。在 PPConv 中，点特征通过两个分支处理：点分支和投影分支。点分支由 MLP 组成，而投影分支将点的特征变换为 2D 特征图后施加 2D 卷积。由于 PPConv 不使用基于点或基于体素的卷积，其在快速点云处理上具有优势。当结合可学习投影与有效的特征融合策略时，即便采用基于 PointNet++ 的简单架构，PPConv 也相比最先进的方法实现了更优的效率。我们从推理时间与分割性能之间的权衡角度展示了 PPConv 的效率。在 S3DIS 和 ShapeNetPart 上的实验结果表明，PPConv 是所比较方法中最高效的。代码见 github.com/pahn04/PPConv。
引用
@article{arxiv.2202.01991,
title = {Projection-based Point Convolution for Efficient Point Cloud Segmentation},
author = {Pyunghwan Ahn and Juyoung Yang and Eojindl Yi and Chanho Lee and Junmo Kim},
journal= {arXiv preprint arXiv:2202.01991},
year = {2022}
}
备注
Published in IEEE Access (Early Access)