PyramNet：用于分类与分割的点云金字塔注意力网络及图嵌入模块
计算机视觉与模式识别
2019-10-01 v2 图形学
机器人学
摘要
随着人工智能的浪潮，我们试图将深度学习应用于理解 3D 数据。点云是一种重要的 3D 数据结构，能够准确且直接地反映真实世界。本文中，我们提出了一个简单而有效的网络，命名为 PyramNet，适用于 3D 场景中的点云物体分类与语义分割。我们设计了两个新算子：图嵌入模块（GEM）和金字塔注意力网络（PAN）。具体而言，GEM 将点云投影到图上并运用协方差矩阵来探索点之间的关系，从而提升模型的局部特征表达能力。PAN 为每个点分配一些强语义特征，以尽可能保留精细的几何特征。此外，我们提供了广泛的评估与分析以证明 PyramNet 的有效性。在经验上，我们在 ModelNet40、ShapeNet 和 S3DIS 上评估了我们的模型。
引用
@article{arxiv.1906.03299,
title = {PyramNet: Point Cloud Pyramid Attention Network and Graph Embedding Module for Classification and Segmentation},
author = {Kang Zhiheng and Li Ning},
journal= {arXiv preprint arXiv:1906.03299},
year = {2019}
}
备注
Accepted for presentation at ICONIP2019