SAGE3D：用于3D点云角点检测的软引导注意力与图激励
计算机视觉与模式识别
2026-05-15 v1
摘要
我们提出了SAGE3D，一种用于机载LiDAR点云角点检测的混合Transformer模型。我们提出了一种基于分层编码器-解码器架构的多阶段解决方案，该架构通过Set Abstraction层逐步下采样点云，并通过特征传播恢复逐点预测。我们引入了两项创新：软引导注意力（Soft-Guided Attention），在训练期间将真实角点标签作为对数先验注入注意力对数中以提高精度；然后是一个位于层级中关键分辨率处的激励图神经网络（Excitatory Graph Neural Network），采用仅正消息传递，其中高置信度角点通过学习提升来增强预测，从而优化召回率。分层设计实现了多尺度特征提取，而我们的引导注意力和激励模块确保了角点信号在各尺度上被放大而非稀释。
引用
@article{arxiv.2605.15088,
title = {SAGE3D: Soft-guided attention and graph excitation for 3D point cloud corner detection},
author = {Batuhan Arda Bekar and Can Sarı and Hüseyin Can Gülkan and Barış Özcan},
journal= {arXiv preprint arXiv:2605.15088},
year = {2026}
}
备注
5 pages, 4 figures