.png){kind=icon}
返回
DPCT: dynamic part-center-based point cloud transformer
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-63762-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在3D点云分析中，有效连接局部几何细节与全局语义，并缓解由非均匀点云分布引起的特征偏差是关键挑战。尽管现有的Transformer方法具有长程建模能力，但它们往往忽略了局部结构化语义，且未能充分考虑到不同任务所需的特征依赖差异。为此，本文提出了一种基于动态部件中心（Dynamic Part-Center-based Point Cloud Transformer, DPCT）的点云Transformer。首先，设计了部件中心机制以增强模型对局部结构语义的表示与利用。其次，提出了任务调节的自定位全局特征建模模块，利用部件中心分布调节全局锚点，并为分类和分割任务制定相应的特征依赖策略。还引入了密度感知模块以缓解非均匀点云分布的影响。此外，为部件分割任务设计了全局语义引导机制，以增强局部预测与整体结构的一致性。在ScanObjectNN、ModelNet40和ShapeNetPart三个标准数据集上进行了实验。实验结果表明，DPCT在点云分类和对象级部件分割任务中取得了良好性能。特别是在ShapeNetPart部件分割任务中，DPCT在本文比较的方法中取得了有竞争力的结果，实例mIoU和类别mIoU分别为87.2%和85.5%。
