3 个月前

通过双曲空间中的正则化重新思考点云的组合性

通过双曲空间中的正则化重新思考点云的组合性

摘要

三维点云在本质上具有组合性特征,即简单的几何部件可以通过逐级组合形成越来越复杂的整体结构。显式建模这种部件与整体之间的层次关系,是构建高效点云识别模型长期追求的目标。然而,由于这种层次结构具有树状特性,使得该任务长期难以实现。本文提出将点云分类器的特征嵌入双曲空间,并显式地对空间结构进行正则化,以显式地捕捉部件与整体之间的层次关系。双曲空间是唯一能够有效嵌入树状层次结构的几何空间。实验结果表明,该方法显著提升了当前先进监督式点云分类模型的性能。

代码仓库

基准测试

基准方法指标
3d-point-cloud-classification-on-modelnet40PointMLP+HyCoRe
Mean Accuracy: 91.9
Overall Accuracy: 94.5
3d-point-cloud-classification-on-scanobjectnnPointNeXt+HyCoRe
Mean Accuracy: 87.0
Overall Accuracy: 88.3

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
通过双曲空间中的正则化重新思考点云的组合性 | 论文 | HyperAI超神经