面向鲁棒点云分类的语义感知传输
信号处理
2023-06-26 v1
摘要
随着三维（3D）数据采集设备日益普及，对3D点云传输的需求不断增长。在本研究中，我们引入了一种用于鲁棒点云分类的语义感知通信系统，该系统利用了预训练Point-BERT模型的优势。我们提出的方法包括四个主要组件：语义编码器、信道编码器、信道解码器和语义解码器。通过采用两阶段训练策略，我们的系统促进了针对特定分类任务的高效且可适配的学习。结果表明，当信噪比（SNR）高于10 dB时，所提系统达到超过89%的分类准确率，即使在SNR为4 dB时仍保持高于66.6%的准确率。与现有方法相比，我们的方法在不同SNR值下性能高出0.8%至48%，展示了对信道噪声的鲁棒性。我们的系统还在准确率与速度间取得平衡，在计算高效的同时在噪声信道条件下保持高分类性能。这种可适配且具韧性的方法在广泛的3D场景理解应用中大有前景，有效应对了信道噪声带来的挑战。
引用
@article{arxiv.2306.13296,
title = {Semantic-aware Transmission for Robust Point Cloud Classification},
author = {Tianxiao Han and Kaiyi Chi and Qianqian Yang and Zhiguo Shi},
journal= {arXiv preprint arXiv:2306.13296},
year = {2023}
}
备注
submitted to globecom 2023