PU-Transformer：点云上采样 Transformer
计算机视觉与模式识别
2022-10-04 v2
摘要
随着 3D 扫描仪的快速发展，点云在人工智能驱动的机器中日益普及。然而，点云数据天然稀疏且不规则，给机器感知带来显著困难。本文关注点云上采样任务，旨在从稀疏输入数据生成密集高保真点云。具体而言，为激活 transformer 在特征表示上的强大能力，我们设计了一种多头自注意力结构的新变体，以增强特征图的点间与通道间关系。此外，我们利用位置融合模块全面捕获点云数据的局部上下文，提供关于散点的更多位置相关信息。作为首个用于点云上采样的 transformer 模型，我们通过在不同基准上与最先进的基于 CNN 的方法进行定量与定性比较，展示了本方法的优异性能。
引用
@article{arxiv.2111.12242,
title = {PU-Transformer: Point Cloud Upsampling Transformer},
author = {Shi Qiu and Saeed Anwar and Nick Barnes},
journal= {arXiv preprint arXiv:2111.12242},
year = {2022}
}
备注
ACCV 2022