基于深度学习的持久图谱显著点检测：TUN
计算机视觉与模式识别
2026-01-23 v2 机器学习
代数拓扑
摘要
持久图谱（PD）提供了一种强大的工具来理解点云底层形状的拓扑结构。然而，确定哪些点编码出真实信号仍具有挑战性。这种挑战直接限制了拓扑数据分析在许多应用中的实际采用，其中对持久图谱的自动可靠解释对于下游决策至关重要。本文研究一维持久图谱的自动显著性检测。具体而言，我们提出了一种拓扑理解网络（TUN），一种多模态网络，将增强的 PD 描述符与自注意力机制、PointNet 风格的点云编码器、学习融合和逐点分类结合在一起，同时包括稳定的预处理和不平衡感知训练。它为识别持久图谱中的显著点提供了自动且有效的解决方案，这些点对下游应用至关重要。实验表明，TUN 在检测持久图谱中显著点方面优于经典方法，凸显了其在实际应用中的有效性。
引用
@article{arxiv.2512.14274,
title = {TUN: Detecting Significant Points in Persistence Diagrams with Deep Learning},
author = {Yu Chen and Hongwei Lin},
journal= {arXiv preprint arXiv:2512.14274},
year = {2026}
}