任务驱动的轻量Transformer点云下采样方法

摘要：

点云是一种重要的三维数据格式,能直观地描绘真实世界,然而点云的巨大数据量限制了其更加广泛的应用.为了简化点云并提高下游应用效率,提出了一种基于轻量级Transformer的任务驱动点云下采样方法.该网络包括特征提取模块和软采样模块,在特征提取模块中采用最先进的Transformer模型学习点云特征,考虑到计算和存储资源有限,将其设计为轻量化结构;在软采样模块中利用MLP和Gumbel-Softmax来模拟实际采样过程,得到下采样点云.为使采样点云适合后续应用任务,构造了一个包含任务损失、采样损失和约束损失的联合损失函数用于网络端到端训练.此外,为简化训练并方便实际应用,在基于轻量化Transformer的任务驱动点云下采样网络的基础上,还提出了多倍率下采样方法,它采用渐进式结构,结合多组采样损失,实现一个模型得到多个采样率下的点云.通过在ModelNet40和ShapeNetCore55数据集上进行点云分类任务和重建任务实验表明,所提方法在简化点云数量的同时,分类精度和重建精度得到良好保证,尤其是下采样点数较少时,相比于同类算法,任务性能更高.

关键词：三维点云、下采样、任务驱动、多倍率、Transformer

所属期刊栏目：59

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;山西省高等学校科技创新项目;山西省研究生创新项目

在线出版日期：2023-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：159-166