.png){kind=icon}
返回
Learning 3D shape geometry via Guided Multi-Walks
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cag.2026.104572.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
理解3D点云的几何结构仍然是一个基础且具有挑战性的问题，这源于其无序和不规则的本质。在本文中，我们提出了GMW-Net（引导多步网络）这一新颖框架，通过在点云上构建多条引导步来学习几何结构。每条构建的步具有固定长度的序列，能够捕捉点之间的局部和全局关系，同时通过遵循评分和抑制机制来避免冗余覆盖和循环。这种多步策略将不规则点集转换为结构化表示，从而实现高效的序列建模。为了有效提取这些步中的丰富特征，我们引入了一个专门的三重注意力模块。该模块同时处理来自步内、步间和全局稀疏卷积分支的特征。所提出的框架在计算效率和特征质量之间取得了优异的平衡，在3D形状分类和部件分割任务上取得了极具竞争力的结果。
Keyword:
Point cloud
Shape analysis
Transformer
期刊
C
IF:
2.8
论文数:
38
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容