.png){kind=icon}
返回
EPR-Net: Enhanced Patch Representation Network for Point Cloud Normal Estimation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cad.2025.103944.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 设计了一种新颖的GraphFormer模块，用于学习特征嵌入以有效表示局部补丁的几何结构。该模块采用PoolFormer架构，并融合了具有自适应核的图卷积，使模型能够在尖锐特征区域（如边缘和角点）提取判别性特征。
• 引入了一种金字塔动态图更新策略，以进一步强化特征集成。该策略执行多尺度几何信息融合，在有效捕捉全局结构和局部几何的同时，缓解了确定最优邻域时的尺度歧义。同时，在网络每一层，该策略通过为每个候选点重新计算k近邻来扩展模型感受野，使模型能够捕捉局部补丁中潜在的长距离语义特征。
• 在多种数据集上的实验证明了所提出的EPR-Net在点云法线估计任务中的优越性。
Keyword:
GraphFormer
feature embedding
geometric structure
pyramid dynamic graph
point cloud normal estimation
期刊
C
IF:
3.1
论文数:
3.1K
被引数:
6.4K
机构
查看更多机构
引用论文
暂无论文信息