基于几何与语义信息融合的无训练点云识别
计算机视觉与模式识别
2025-01-14 v5
摘要
采用无训练方法进行点云识别的趋势日益流行，由于显著降低了计算资源和时间成本。然而，现有方法受限于通常仅提取几何或语义特征。为解决这一限制，我们首次提出一种新颖的无训练方法，将几何和语义特征进行集成。对于几何分支，我们采用非参数策略来提取几何特征。在语义分支中，我们利用基于文本特征对齐的模型来获取语义特征。此外，我们引入GFE模块来补充点云的几何信息，并引入MFF模块以提高在少样本设置下的性能。实验结果表明，在主流基准数据集（包括ModelNet和ScanObjectNN）上，我们的方法在现有无训练方法中取得了优异的性能。
引用
@article{arxiv.2409.04760,
title = {Training-Free Point Cloud Recognition Based on Geometric and Semantic Information Fusion},
author = {Yan Chen and Di Huang and Zhichao Liao and Xi Cheng and Xinghui Li and Long Zeng},
journal= {arXiv preprint arXiv:2409.04760},
year = {2025}
}