PU-EdgeFormer：用于点云上采样中稠密预测的边Transformer
计算机视觉与模式识别
2023-05-03 v1
摘要
尽管基于深度学习的点云上采样近期有所发展，大多数基于MLP的点云上采样方法存在难以同时训练点云局部与全局结构的局限。为解决该问题，我们提出一种结合图卷积与Transformer的点云上采样方法，记为PU-EdgeFormer。所提方法构建了由图卷积与多头自注意力模块组成的EdgeFormer单元。我们采用基于EdgeConv的图卷积，其比现有的point-to-feature方法能更好地学习点云的局部几何与全局结构。通过深入实验，我们确认所提方法在主观与客观方面均优于现有最先进方法的点云上采样性能。代码见 https://github.com/dohoon2045/PU-EdgeFormer。
引用
@article{arxiv.2305.01148,
title = {PU-EdgeFormer: Edge Transformer for Dense Prediction in Point Cloud Upsampling},
author = {Dohoon Kim and Minwoo Shin and Joonki Paik},
journal= {arXiv preprint arXiv:2305.01148},
year = {2023}
}
备注
Accepted to ICASSP 2023