SAWNet：一种用于三维点云处理的空间感知深度神经网络
计算机视觉与模式识别
2019-05-21 v1
摘要
深度神经网络迄今已在几乎所有计算机视觉任务中确立为最先进的方法论。但其在非欧几里得域上数据处理的应用仍是非常活跃的研究领域。其中一个领域是点云数据分析，由于缺乏顺序性而构成挑战。近来已提出许多技术，以 PointNet 架构为先导。这些技术利用点云的全局或局部信息提取点的潜在表示，并用于手头任务（分类/分割）。在我们的工作中，我们引入一种神经网络层，结合全局与局部信息以产生更好的点嵌入。我们通过残差连接增强架构，以在层间传递信息，这也使网络更易训练。我们的架构在 ModelNet40 数据集上取得了最先进的结果，并且在 ShapeNet 部件分割数据集与室内场景分割数据集上亦极具竞争力。我们计划在 github 上开源我们的预训练模型，以鼓励研究团体在他们的数据上测试我们的网络，或仅将其用于基准测试目的。
引用
@article{arxiv.1905.07650,
title = {SAWNet: A Spatially Aware Deep Neural Network for 3D Point Cloud Processing},
author = {Chaitanya Kaul and Nick Pears and Suresh Manandhar},
journal= {arXiv preprint arXiv:1905.07650},
year = {2019}
}