X-3D：用于点云识别的显式3D结构建模
计算机视觉与模式识别
2024-04-24 v1
摘要
许多先前的研究主要强调为单个邻域点构建关系向量，并为每个向量生成动态卷积核，将其嵌入高维空间以捕获隐式局部结构。然而，我们认为这种隐式高维结构建模方法由于缺乏显式结构信息，不足以表示点云的局部几何结构。因此，我们引入了X-3D，一种显式3D结构建模方法。X-3D通过捕获输入3D空间中的显式局部结构信息，并利用它为当前局部区域内的所有邻域点生成具有共享权重的动态卷积核。这种建模方法引入了有效的几何先验，显著缩小了嵌入空间局部结构与原始输入点云之间的差异，从而改善了局部特征的提取。实验表明，我们的方法可应用于多种方法，并在分割、分类、检测任务上以较低额外计算成本取得了最先进的性能，例如在ScanObjectNN上分类准确率90.7%，在S3DIS 6折交叉验证上分割准确率79.2%，在S3DIS Area 5上分割准确率74.3%，在ScanNetV2上分割准确率76.3%，在SUN RGB-D上mAP 64.5%和46.9%，在ScanNetV2上mAP 69.0%和51.1%。我们的代码可在https://github.com/sunshuofeng/X-3D获取。
引用
@article{arxiv.2404.15010,
title = {X-3D: Explicit 3D Structure Modeling for Point Cloud Recognition},
author = {Shuofeng Sun and Yongming Rao and Jiwen Lu and Haibin Yan},
journal= {arXiv preprint arXiv:2404.15010},
year = {2024}
}